基于局部描述算子的人臉識別.pdf_第1頁
已閱讀1頁,還剩73頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、隨著計算機和網(wǎng)絡技術的快速發(fā)展,社會信息化程度不斷深入。傳統(tǒng)的身份認證模式已經(jīng)不能很好地滿足社會高速信息化的要求,此時基于生物特征的識別技術在各領域引起了廣泛關注。近年來,人臉識別作為圖像識別領域中最成功的應用,已經(jīng)越來越受到人們的重視。而對于一個優(yōu)秀的人臉識別系統(tǒng)來講,圖像特征提取儼然已經(jīng)成為其最核心的問題之一。
  局部二值模式(Local Binary Pattern,LBP)作為一種非常高效的局部特征描述算子,由于其與身俱

2、來的優(yōu)點,受到越來越多的關注,并在人臉識別領域取得了很大的成功。本文針對LBP及其衍生算法進行了研究與分析,在此基礎之上,首次闡述了“凹凸”模式,提出局部三元導數(shù)模式(Local Binary Pattern,LTDP)的描述算子,研究內(nèi)容主要有下述幾個方面:
  1.對LBP及其衍生算法進行研究。根據(jù)局部二值編碼算子理論,本文分析了它們的優(yōu)缺點,并根據(jù)模式的空間結構,建立了圖像的“凹凸”模型,提出了一種新的局部描述算子——局部三

3、元導數(shù)模式(Local Ternary Derivative Pattern,LTDP)。LTDP通過計算在各個方向上的相關像素間的距離,根據(jù)距離的變化情況將之按照“凹凸”模式進行分類,從而提取了子圖像的二維空間信息。與其他的局部算法相比較,該算法在考慮局部空間信息的同時,還考慮了方向變化信息,從而提取了能更加完整的表述對象的特征信息。另外一方面,在LTDP的編碼階段,加入了自適應函數(shù),使得在復雜環(huán)境的情況下,表現(xiàn)更具魯棒性。
 

4、 2.為了驗證LTDP在不同光照,表情,年齡,附屬物等各種條件下的性能,本文在常用的Extended Yale B、CMU PIE、FERET以及CAS-PEAL等人臉庫上進行實驗,并將之與局部模式描述算子LBP和LDP(Local Derivative Pattern)進行對比。這些標準人臉庫的實驗結果表明,LTDP的效果要遠好于LBP和LDP,驗證了“凹凸”模式的有效性。
  3.由于圖像的采集環(huán)境差異性的存在,導致了人臉圖像

5、背景模糊、光照不均勻等問題。為了消除這些變化著的復雜環(huán)境的差異,提高算法的實用性,本文加入了預處理方案——DoG濾波和Gamma矯正,并成功與局部模式算法相結合。在Extended Yale B,CMU PIE,F(xiàn)ERET以及CAS-PEAL人臉庫上進行對比實驗,在加入預處理后,LBP、LDP以及LTDP的識別率得到不同程度的提高,驗證了預處理方案和局部描述算子結合的有效性。實驗結果同時也顯示,在加入預處理后,LTDP識別效果好于LBP

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論