基于局部描述算子的人臉識別.pdf

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