基于局部三值模式的光照人臉識別.pdf

1、人臉特征提取與分類技術(shù)，作為一種常用生物特征提取技術(shù)，它是近些年來模式識別與計算機視覺鄰域的重點研究方向之一。人臉特征提取是人臉識別過程中的核心步驟，優(yōu)秀的人臉特征能夠讓同類的個體之間更加具有區(qū)別性。因此提取人臉特征成為人臉識別過程中的一個關(guān)鍵環(huán)節(jié)。本文從人臉特征出發(fā)，提出了一種針對人臉圖像光照變化而具有圖像編碼不變性的人臉識別算法。主要有以下幾個工作要點：
　　1）提出了一種局部三值全域?qū)Ρ让枋鏊阕?LTwCD（Local Te

2、rnary whole Contrary Descriptor）。本文依賴于光照問題的背景，借助局部模式基本理論，包括局部二值描述LBP（Local Binary pattern），局部三值描述LTP(Local Ternary pattern)，局部三值對比描述LTCD（Local Ternary Contrary Descriptor），分析了它們的優(yōu)缺點，并提出了一種局部三值全域?qū)Ρ让枋鏊阕覮TwCD。該算法不僅考慮到了鄰域像素與

3、中心像素之間的符號信息和幅值信息，而且考慮到了整個局部區(qū)域的對比度信息。該算法能夠?qū)植抗庹兆兓?，具有編碼不變性，從而能夠從光照人臉圖像中提取光照不變特征，對受到光照影響的人臉圖像具有更好的鑒別能力。
　　2）討論了常用的去光照處理算法，其中包括基于圖像像素處理和基于人臉模型的兩種方法，本文重點借助朗伯模型的基本原理，分析了基于光照模型的常用光照處理算法，例如，同態(tài)濾波、自商圖像（Self-quotient Image）、場域梯度

4、(Gradient Image)、相對梯度運算(Relative Gradient)提取光照不變量特征等。
　　3）提出了基于相對梯度局部三值全域?qū)Ρ让枋觯≧GLTwCD）。為了更好提取人臉圖像的局部光照不變特征，盡可能克服光照對最終識別分類的影響，最后將相對梯度運算運用于本文所提出算法的前期處理過程中，提出了RGLTwCD算法。該算法首先用相對梯度算子提取圖像中光照不變量；然后利用局部三值描述對其進行編碼，得到兩幅編碼圖像，利用

5、直方圖統(tǒng)計方法統(tǒng)計編碼圖像的直方圖灰度。并將該直方圖向量作為該人臉圖像的特征。最后，利用最近鄰分類器進行圖像分類識別。
　　本文不僅在理論證明了LTwCD在局部光照變化時候具有編碼不變性，而且通過在Yale人臉庫、Yale B人臉庫、Extended Yale B人臉庫、CMUPIE人臉庫實驗證明了本文 RGLTwCD算法在人臉識別中能夠取得良好的分類識別能力，尤其對受到強烈光照影響下的人臉圖像能夠去除光照影響，提取出該圖像的光照