基于局部二進(jìn)制模式與變換域的人臉識(shí)別.pdf

1、人臉識(shí)別涉及模式識(shí)別、機(jī)器視覺、圖像處理等諸多學(xué)科，具有重要的理論研究?jī)r(jià)值和廣闊的應(yīng)用背景。人臉圖像存在著各種自身的和環(huán)境的變化因素，因此，人臉識(shí)別研究復(fù)雜而艱巨，有很多關(guān)鍵技術(shù)問題有待進(jìn)一步解決和完善。本文主要對(duì)光照預(yù)處理、局部二進(jìn)制模式(LBP)、小波變換和曲波(Curvelet)變換等圖像處理技術(shù)進(jìn)行了深入學(xué)習(xí)與研究，對(duì)人臉特征提取進(jìn)行了細(xì)致分析，并提出了新的人臉識(shí)別算法，主要工作包括以下兩個(gè)方面：
　　 提出了一種基于小

2、波變換與多尺度LBP特征融合的人臉識(shí)別方法。該方法首先對(duì)人臉圖像進(jìn)行光照預(yù)處理，接著對(duì)其進(jìn)行分塊，然后對(duì)不同子塊分別采用不同尺度的LBP算子提取直方圖特征向量，將各子塊的LBP直方圖特征串連起來作為該人臉圖像的LBP特征向量；接下來對(duì)人臉圖像做小波分解，提取小波特征向量，最后將LBP特征和小波特征進(jìn)行加權(quán)融合，生成用于分類的特征空間。實(shí)驗(yàn)表明，特征融合后的識(shí)別率相比單一特征的識(shí)別性能有一定的提高。
　　 提出了一種結(jié)合曲波變換與

3、LBP算子的人臉識(shí)別方法。由于光照變化影響Curvelet變換的低頻系數(shù)，而人臉的表情變化與Curvelet變換的中高頻系數(shù)均具有方向敏感性，該方法首先對(duì)人臉圖像進(jìn)行光照補(bǔ)償，然后對(duì)預(yù)處理后的人臉圖像進(jìn)行Curvelet變換，通過修改最優(yōu)尺度層和細(xì)尺度層系數(shù)達(dá)到了圖像去噪與紋理增強(qiáng)的目的，利用反變換對(duì)人臉圖像進(jìn)行重構(gòu)，對(duì)重構(gòu)圖像進(jìn)行多層分塊，最后對(duì)不同子塊采用不同尺度的LBP算子提取特征向量，將其用于人臉識(shí)別，與傳統(tǒng)的結(jié)合小波分析與LB