基于LBP的特征提取研究.pdf

1、紋理特征提取是指通過一定的圖像處理技術(shù)抽取出紋理特征，從而獲得紋理的定量或定性描述的處理過程。局部二值模式（Local Binary Patterns，LBP）是最近發(fā)展起來(lái)的一種理論簡(jiǎn)單但功能強(qiáng)大的紋理分析算法，在計(jì)算機(jī)視覺等領(lǐng)域表現(xiàn)出良好的性能，并得到了較為廣泛的應(yīng)用和認(rèn)可。 本文將該紋理提取算法應(yīng)用到人臉識(shí)別和手寫體數(shù)字識(shí)別中，針對(duì)當(dāng)前基于LBP特征的人臉識(shí)別中通用的K近鄰方法中存在的最優(yōu)解不唯一的問題進(jìn)行了改進(jìn)。同時(shí)，針

2、對(duì)LBP方法在手寫體數(shù)字識(shí)別領(lǐng)域應(yīng)用還很少的現(xiàn)狀，將該方法應(yīng)用到手寫體數(shù)字的紋理提取與分類中，取得了較好的識(shí)別效果，證明了其可行性，并為以后的相關(guān)研究奠定了基礎(chǔ)。論文的主要工作與創(chuàng)新有： 1．針對(duì)LBP算法在人臉識(shí)別中的特征提取階段和分類階段展開研究。在特征提取階段，采用單一分塊、多層分塊以及滑動(dòng)窗口等多種方式實(shí)現(xiàn)對(duì)LBP特征的提取，并對(duì)這些方法在識(shí)別率以及效率上進(jìn)行了對(duì)比；在分類階段，針對(duì)K近鄰（K-Nearest Neigh

3、bor，KNN）算法中存在的多最優(yōu)解問題，提出了采用增加最近距離優(yōu)先級(jí)從而在最優(yōu)解中做出選擇的方法，提高了識(shí)別率?；赮ale A人臉庫(kù)（Yale Face Database A）進(jìn)行了相關(guān)方法和改進(jìn)的實(shí)驗(yàn)，通過對(duì)實(shí)驗(yàn)數(shù)據(jù)的分析，驗(yàn)證了方法的正確性和改進(jìn)的有效性。 2．將LBP方法應(yīng)用到手寫體數(shù)字識(shí)別領(lǐng)域。在MNIST手寫體數(shù)字庫(kù)（MNIST Handwritten Digit Database）進(jìn)行了基于LBP特征的手寫體數(shù)字