基于局部特征的人臉識別.pdf

1、人臉識別技術(shù)涉及到圖像處理、模式識別、計算機(jī)技術(shù)、人工智能等多門學(xué)科，是一個極具挑戰(zhàn)性的課題。隨著科學(xué)技術(shù)的不斷發(fā)展，人臉識別技術(shù)獲得了廣泛的應(yīng)用，成為研究的熱點。
　　局部二值模式（LBP）是一種灰度范圍內(nèi)的紋理描述方式，最初是為了輔助性地度量局部圖像對比度提出。近年來，基于局部二值模式的人臉識別方法取得了顯著的效果，但在光照和噪聲等條件的影響下，分類性能下降較快。本文首先對局部二值模式進(jìn)行深入的研究與分析，描述了經(jīng)典的LBP方

2、法及一些關(guān)于LBP的改進(jìn)算法，詳細(xì)分析了LBP的一些優(yōu)缺點，在此基礎(chǔ)上提出了一種局部特征提取方法——局部鄰域模式（Local Neighborhood Patterns，LNP）。首先，將圖像合理的分成一些局部區(qū)域，接著把每一像素及其一定鄰域范圍內(nèi)的像素作為一個向量，將每個局部區(qū)域中心向量與其它像素點向量計算距離，然后本文在每個局部區(qū)域采取環(huán)形提取特征的辦法，就是把經(jīng)過編碼的局部圖像中心作為不同半徑圓周的中心，從中心向最外部的圓周按一定

3、順序依次提取特征，將各局部圖像提取的特征依次連起來作為整幅圖像的特征向量，最后采用最近鄰分類器。在人臉數(shù)據(jù)庫上的實驗結(jié)果顯示，LNP方法對光照，姿態(tài)，表情變化具有較好的魯棒性。
　　本文還將數(shù)據(jù)融合思想融入局部鄰域模式中，采用 D-S證據(jù)理論對局部鄰域模式進(jìn)行決策級融合以對其進(jìn)行進(jìn)一步改進(jìn)。首先，采用高斯濾波光照預(yù)處理方法，以初步減少極端成像條件對人臉圖像的影響。其次將圖像與索貝爾算子進(jìn)行卷積，得到水平邊緣圖像和垂直邊緣圖像。再用