基于改進(jìn)局部方向模式的人臉識(shí)別算法研究.pdf

1、人臉識(shí)別是一種友好的生物特征識(shí)別技術(shù)，在身份驗(yàn)證等領(lǐng)域有非常大的應(yīng)用前景，人臉識(shí)別算法研究是模式識(shí)別、計(jì)算機(jī)視覺和圖像處理等領(lǐng)域的研究熱點(diǎn)。經(jīng)過國(guó)內(nèi)外研究學(xué)者多年的努力，目前，在可控的環(huán)境下，人臉識(shí)別算法基本可以滿足要求。然而，在不可控的自然環(huán)境中，人臉識(shí)別面臨著光照變化、姿態(tài)變化、表情變化和遮擋等因素的挑戰(zhàn)。作為一種有效的人臉描述算子，局部方向模式(LocalDirection Pattern，LDP)提升了局部二值模式(Local

2、Binary Pattern，LBP)描述算子的魯棒性，但其存在固有的缺陷。本文在分析對(duì)比了LBP、LDP等描述算子的基礎(chǔ)上，提出基于改進(jìn)的局部方向模式人臉識(shí)別算法。
　　本研究主要內(nèi)容包括：⑴提出一種非采樣Shearlet變換(Nonsubsampled Shearlet Transform，NSST)與中心對(duì)稱局部方向模式相結(jié)合的人臉識(shí)別算法。首先采用 NSST分解人臉圖像，得到低頻子帶圖像和高頻子帶圖像，然后計(jì)算子帶圖像中心

3、對(duì)稱局部方向模式，分塊統(tǒng)計(jì)直方圖特征信息，將直方圖串接起來作為人臉圖像的特征向量，最后利用最近鄰分類器分類識(shí)別。實(shí)驗(yàn)結(jié)果表明所提方法簡(jiǎn)單有效，對(duì)姿態(tài)、光照和表情變化具有較好識(shí)別效果。⑵提出一種結(jié)合紋理特征和邊緣特征的人臉描述算子ε–WLBD(ε Weber Local BinaryDescriptor)。首先分別用改進(jìn)的局部二值模式和改進(jìn)的Kirsch算子進(jìn)行紋理特征和邊緣特征提取，然后分別進(jìn)行直方圖統(tǒng)計(jì)，并將其串接起來作為人臉識(shí)別的總

4、體特征向量，最后利用最近鄰算法進(jìn)行分類識(shí)別。實(shí)驗(yàn)結(jié)果表明所提方法簡(jiǎn)單有效，對(duì)姿態(tài)、表情、遮擋和光照等變化具有較好識(shí)別效果。⑶提出一種基于中心對(duì)稱梯度幅值相位模式(Center-Symmetric Gradient Magnitude and Phase pattern，CSGMP)的單樣本人臉識(shí)別算法。首先，提取人臉圖像的梯度幅值和相位信息；然后，用中心對(duì)稱局部方向模式算子對(duì)梯度幅值進(jìn)行編碼，再將梯度相位量化到八個(gè)區(qū)間進(jìn)行編碼，將二者融