改進型LTP在人臉識別中的研究與應用.pdf

1、近年來，作為人臉識別技術的關鍵性挑戰(zhàn)，研究者們至今沒有找到一種能夠克服姿態(tài)、光照等成像條件變化的識別方法。而被稱為人臉圖像不變性特征的紋理結構特征對外界條件變化的敏感度不高，因此，對以紋理結構為基礎的提取人臉圖像局部模式的研究具有深刻的意義。
　　 基于局部三值模式(LocalTernaryPattern，LTP)的人臉識別方法由于能夠解決劇烈光照或復雜條件下人臉識別問題而備受關注，但在訓練樣本比較多時，LTP特征空間維數會變的

2、很大，不僅給計算帶來復雜性，而且降低了系統的識別速度;另外，LTP算子為了選擇合適的閾值需要做大量實驗驗證，這對訓練樣本時間和識別率產生了極大的影響.本文通過對基于LTP特征空間的人臉識別系統的分析與研究，從圖像的紋理特征出發(fā)，針對LTP算法的不足，采用自動閾值提取方法和(2D)PCA高維特征降維方法對其進行改進，具體的改進方案如下:
　　 首先，通過對LTP定義的分析，提出一種針對算子本身的自適應三值模式(LocalAdapt

3、iveTernaryPattern，LATP)，計算簡單，提高LTP特征空間的分類性能。同時，根據LTP的計算推導過程，提出LATP的或運算編碼方法，增強人臉的一些重要信息。
　　 其次，針對人臉識別中訓練樣本過多而導致特征空間高維性的問題，本文利用二維主成分分析法(2D)PCA對LTP高維的特征空間進行降維，降低了系統的識別時間，有效的提高了算子的實用性。
　　 最后，結合預處理方法、改進型LTP特征提取方法及(2D)