基于LBP特征的人臉識(shí)別算法改進(jìn)研究.pdf

1、人臉識(shí)別是計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域研究熱點(diǎn)之一，具有廣泛的應(yīng)用前景。人臉識(shí)別技術(shù)經(jīng)過近50年的發(fā)展，人臉識(shí)別取得了大量的經(jīng)驗(yàn)和算法。本文對(duì)人臉識(shí)別技術(shù)進(jìn)行深入學(xué)習(xí)和研究，重點(diǎn)對(duì)經(jīng)典的局部二值模式(LBP)算法進(jìn)行了研究和改進(jìn)。
　　本文首先研究了人臉圖像預(yù)處理的算法。重點(diǎn)分析了幾何歸一化、去噪處理和光照預(yù)處理的方法。在幾何歸一化中，對(duì)原始圖像旋轉(zhuǎn)、縮放和裁剪，建立歸一化標(biāo)準(zhǔn)。由于人臉圖像在傳輸和存儲(chǔ)的過程中，受到脈沖干擾的影響比較

2、嚴(yán)重，通過實(shí)驗(yàn)證明中值濾波在解決人臉噪聲方面有很大的優(yōu)勢(shì)。研究了幾種常用的光照預(yù)處理的方法，實(shí)驗(yàn)表明高斯差分的光照預(yù)處理方法比直方圖均衡化和自商圖像表現(xiàn)要好。
　　其次，深入分析局部二值模式及其變體算法在人臉識(shí)別的應(yīng)用?？偨Y(jié)并綜述了基于LBP的人臉識(shí)別方法，對(duì)LBP基本原理、發(fā)展演變、LBP人臉識(shí)別算法的優(yōu)缺點(diǎn)以及對(duì)幾種基于LBP基礎(chǔ)上的改進(jìn)人臉識(shí)別算法進(jìn)行闡述及分析。本文針對(duì)LBP的不足提出了改進(jìn)的LBP算法:提出了“雙圓”LB

3、P，此方法更大程度地提高了LBP旋轉(zhuǎn)不變性，對(duì)小姿態(tài)人臉圖像有很好的識(shí)別效果;基于分塊的LBP有較好的識(shí)別效果基礎(chǔ)上提出了“多重分塊+中間分塊”的思想，該方法有效彌補(bǔ)了原始分塊分割線周邊信息不能完整提取的不足;五官的特征是人臉識(shí)別的關(guān)鍵特征，不同器官對(duì)于人臉圖像識(shí)別的貢獻(xiàn)度也不相同，本文提出在原始分塊基礎(chǔ)上增加“關(guān)鍵塊”分塊加權(quán)的思想。
　　然后，針對(duì)本文提出的“多重分塊+中間分塊”及“關(guān)鍵塊分塊加權(quán)”方法提取的LBP特征維數(shù)較大

4、問題，采用Fisher face方法進(jìn)行降維提取FLDA特征。上述方法采用歐式距離作為分類器。同一個(gè)人的人臉圖像因不同姿態(tài)或光照其距離是不同的，但它們的方向是一致的。因此，本文采用余弦相似性來代替歐氏距離，考慮到數(shù)據(jù)降維，利用余弦相似度度量學(xué)習(xí)(CSML)的方法代替Fisher face方法。
　　最后，本文在Orl、Yale和Extended YaleB人臉庫上進(jìn)行實(shí)驗(yàn)，通過與LBP及其變體算法比較，證明“雙圓”LBP、“多重分