基于Gabor變換和LBP相結(jié)合的人臉識別算法的研究.pdf

1、目前，在人臉識別領(lǐng)域，研究重點為圖像的分類方法和特征提取算法，其中后者最為關(guān)鍵，對人臉識別的最終效果起到?jīng)Q定性作用。Gabor變換不僅具有驚人地相似于人類的視網(wǎng)膜細(xì)胞的接受場模型，可獲得頻率和時間的最小不確定性，并且對外界干擾如光照、姿態(tài)、表情等變化的魯棒性較強。然而，以 Gabor變換為基礎(chǔ)的傳統(tǒng)人臉特征提取方法，首先通過卷積人臉圖像和 Gabor的多方向與多尺度核函數(shù)，然后級聯(lián)與下采樣后取得Gabor人臉特征。通過此種方法，會得到較

2、高的維數(shù)，在識別時需要花費大量的時間，并且不具有旋轉(zhuǎn)不變性，當(dāng)人臉圖像在平面旋轉(zhuǎn)時，識別性能下降；局部二值模式（LBP）是對紋理進行分析的算子，由于具有簡單的算法，計算過程并非過于復(fù)雜，較強的辨別能力等諸多優(yōu)點，近些年來被人們廣泛研究并使用，LBP算子具備較強的灰度不變和旋轉(zhuǎn)不變的特性，可以降低旋轉(zhuǎn)移位和光照不均的影響。
　　基于Gabor的上述問題，本文采用Gabor小波和LBP相結(jié)合的特征提取方法，對人臉識別進行了研究，提出了

3、均勻模式LBP算法。為進一步提高人臉特征提取的準(zhǔn)確性和實際運用的靈活性，本文對Gabor小波和 LBP提取的人臉特征進行優(yōu)化選擇和融合，提出了改進算法：即2D-Gabor小波和均勻模式LBP相結(jié)合的特征提取算法。本文算法有效提高了識別率和減少了數(shù)據(jù)冗余，并且靈活適用于常用的人臉庫，有效地實現(xiàn)了人臉識別。本文的主要研究成果包含以下幾個部分：
　　1.首先，對人臉識別技術(shù)的研究背景和意義進行了介紹。然后，介紹了現(xiàn)有的國內(nèi)外人臉識別算法

4、，指出了其中的不足之處以及亟待解決的問題。最后，研究提出本文新算法，對本文結(jié)構(gòu)安排和主要內(nèi)容進行了介紹。
　　2.對常用人臉識別系統(tǒng)進行了詳細(xì)介紹，包括預(yù)處理等內(nèi)容；介紹了較為典型的的人臉識別技術(shù)：以PCA為基礎(chǔ)的人臉識別，并對人臉識別算法進行了實驗仿真。詳細(xì)介紹了 Gabor變換。包括：濾波器組參數(shù)選擇等方面；對以2D-Gabor為基礎(chǔ)的人臉特征提取算法做出簡要介紹；介紹了局部二值模式（LBP）。包括：LBP算子介紹、均勻模式L