中心對(duì)稱局部差分模式及其在人臉識(shí)別中的應(yīng)用.pdf

1、作為模式識(shí)別的一個(gè)分支，人臉識(shí)別已經(jīng)成為一個(gè)研究熱點(diǎn)。在科學(xué)理論和技術(shù)發(fā)展的大環(huán)境下，人臉識(shí)別技術(shù)逐漸趨于成熟，但是，它的完全實(shí)用化還面臨著諸多挑戰(zhàn)，比如表情變化、人種、性別、年齡、采集設(shè)備以及光照和姿態(tài)變化等。因此，一個(gè)優(yōu)秀的人臉識(shí)別方法，應(yīng)該考慮利用哪些特征來(lái)表示圖像，以及如何基于這種表示對(duì)一幅新的人臉圖像進(jìn)行分類。從整個(gè)人臉識(shí)別系統(tǒng)的組成來(lái)看，特征提取是人臉識(shí)別的關(guān)鍵問(wèn)題，它直接影響到后續(xù)的分類決策過(guò)程，即直接決定了識(shí)別精度，因此

2、，注重魯棒性同時(shí)兼顧效率的特征提取方法一直是完善人臉識(shí)別技術(shù)的重要研究方向。
　　本文主要針對(duì)特征提取技術(shù)進(jìn)行研究，研究的重點(diǎn)是局部二值模式（Local Binary Pattern，LBP），它能夠有效地度量圖像局部的紋理特征，作為描述灰度變化某種規(guī)律的描述算子，其在人臉識(shí)別領(lǐng)域受到了越來(lái)越多的關(guān)注并取得了巨大的成功。但是，LBP特征刻畫的紋理過(guò)于精細(xì)易對(duì)噪聲敏感且該紋理描述符維數(shù)較高降低了人臉識(shí)別效率。本文針對(duì)LBP算法在人臉

3、圖像描述中的以上幾個(gè)不足，進(jìn)行了下面的研究：（1）提出了中心對(duì)稱局部差分模式（Center-symmetric Local Difference Pattern，CSLDP）特征提取方法，引用了中心對(duì)稱特性和灰度差分的原理。它只選擇了表征四個(gè)中心對(duì)稱方向變化的16種模式，不同于LBP對(duì)局部特征精細(xì)的提取方式，著重刻畫了人臉邊緣和面部器官的輪廓信息，同時(shí)大幅度減少了特征向量維數(shù)；（2）提出了一種Gabor+CSLDP人臉識(shí)別方法，首先將G

4、abor小波核函數(shù)分別與人臉圖像庫(kù)中的每一幅人臉圖像進(jìn)行卷積運(yùn)算，然后應(yīng)用CSLDP對(duì)卷積結(jié)果進(jìn)行分析，最后用Gabor+CSLDP模式值的直方圖表征原始圖像。最后在幾個(gè)常用人臉庫(kù)中的實(shí)驗(yàn)結(jié)果表明，本文給出的 CSLDP和Gabor+CSLDP對(duì)于非約束環(huán)境下的人臉識(shí)別表現(xiàn)出了良好的識(shí)別性能，特別是CSLDP在保持較高識(shí)別率的同時(shí)處理速度也很高，便于實(shí)時(shí)應(yīng)用。
　　但是本文所提出的方法還存在一些不足：首先，在中心對(duì)稱的基礎(chǔ)上提出的

5、CSLDP方法，仍然存在以單純的中心像素作為閾值的問(wèn)題，另外CSLDP將方向的變化用絕對(duì)的是否存在來(lái)判斷，這是不準(zhǔn)確的，因?yàn)榉较蜃兓且粋€(gè)過(guò)程，可以考慮數(shù)學(xué)中的概率論建立其相關(guān)的隸屬度函數(shù)模型。其次，Gabor特征屬于高維特征，雖然與 CSLDP的結(jié)合降低了其維數(shù)，但是減少量有限，在未來(lái)的工作中，可以引入其它方法，如 PCA、流形學(xué)習(xí)等方法。最后，本文只是在特征提取這一點(diǎn)上作了初步的探索，而分類器的設(shè)計(jì)也是人臉識(shí)別系統(tǒng)的重要組成部分，未