區域性尺度不變背景差分
上圖顯示了LBP、LTP、SILTP的計算過程。對於一個給定位置（
），SILTP的編碼公式為：
（1）
Ic為中心畫素的灰度值， Ik 為中心畫素領域內（R為半徑的圓）的其他N個畫素，St為分段函式： 
這樣就完成了畫素的SILTP編碼。。文章提到了SILTP的幾個優點： （1）計算高效，比LBP計算只多了一個比較的步驟。 （2）SILTP運算元對區域性影象的噪聲是魯棒的，特別是陰影區域
本文提出一個居於區域性模式的核心估計（pattern kernel density estimation (PKDE) technique），用於描述像LBP、LTP、 SILTP等。
//F是紋理影象序列
建立一個距離函式d(p,q);p為當前影象，q為背景影象，做異或運算：
d(p,q) = p xor q
得到的仍然是一個二進位制的數字，然後使用一個權值函式（local pattern kernel）把這個二進位制的數字
轉化成數值，一般是普通的高斯權值。
定義區域性模型核函式為： 
所以概率密度函式為：
在實時應用中，還提出了一個線上的 PKDE 版本：
三、背景建模
通過 PKDE 演算法對每個畫素處理（pixel process）建立K個密度函式（K density functions），
並賦予對應的權重：
判斷一個新的Pt 屬於背景的概率：
然後通過比較
四、背景更新
將背景模型按概率密度排列，計算當前幀pt與第K個背景的相似度：
權重的更新為：
如果不存在匹配的模型，則權重最小的模型將被新的權重較小的分佈模型取代：
五、多基於塊的多尺度SILTP運算（ Multiscale Block-based SILTP (MB-SILTP) operator）
MB-SILTP 編碼與SILTP 相似，只是將（1）式中的Ic、 Ik 用塊的均值替換。
背景的概率：
