基于改進(jìn)型LBP特征的人臉識(shí)別研究.pdf

1、人臉識(shí)別是典型的圖像模式分析、理解與分類計(jì)算問(wèn)題，具有重要的理論研究?jī)r(jià)值和廣闊的應(yīng)用前景。近年來(lái)，基于局部模式及紋理特征的人臉識(shí)別取得了很大的成功，針對(duì)光照、姿態(tài)變化和局部形變更加魯棒的局部建模方法成為主流方法之一。 基于局部二值模式(LBP)紋理特征的人臉識(shí)別方法取得了顯著的效果，但在劇烈光照和噪聲等復(fù)合極端成像條件的影響下，分類性能急劇下降。本文從圖像的紋理特征出發(fā)，對(duì)基于LBP特征空間的人臉識(shí)別進(jìn)行了分析與研究，并且針對(duì)L

2、BP特征在人臉識(shí)別過(guò)程中存在的局限性提出了相應(yīng)的改進(jìn)方案，主要工作包括以下幾方面： 1、針對(duì)劇烈光照等問(wèn)題，采用了Gamma校正、差分高斯濾波(DoG)以及對(duì)比度均衡化三種光照預(yù)處理方法，以初步減少極端成像條件對(duì)人臉圖像的影響。 2、通過(guò)對(duì)LBP定義的擴(kuò)展和優(yōu)化，提出了一種改進(jìn)的局部三值模式(LTP)(Local Ternary Pattern，簡(jiǎn)稱LTP)的紋理特征提取方法。LTP比LBP增加了一個(gè)-1量化閾值，對(duì)光照

3、變化和噪聲更加魯棒，并繼承了LBP的幾乎所有的優(yōu)點(diǎn)，極大的增強(qiáng)了局部紋理特征的分類性能。 3、針對(duì)特征空間的高維性，同時(shí)也為了提取最優(yōu)分類向量，本文利用PCA跟Fisher線性判別(Fisher Linear Discriminant，簡(jiǎn)稱FLD)相結(jié)合的Fisherface方法來(lái)實(shí)現(xiàn)特征空間的降維和最優(yōu)鑒別分類。 4、結(jié)合光照預(yù)處理方法、LTP特征及Fisherface方法在標(biāo)準(zhǔn)人臉庫(kù)上進(jìn)行綜合實(shí)驗(yàn)，以驗(yàn)證這些方法對(duì)L