基于均值和方差的局部紋理特征的人臉識(shí)別研究.pdf

1、人臉特征與其他生物特征相比，具有易被客戶接受、設(shè)備成本低等優(yōu)勢(shì)。經(jīng)過數(shù)年的發(fā)展和研究，人臉被廣泛的應(yīng)用于各種識(shí)別系統(tǒng)中，并且其理論體系也日趨成熟。在人臉識(shí)別算法中，人臉特征提取是影響識(shí)別效果的一個(gè)重要因素。如何更好的對(duì)人臉特征進(jìn)行提取，并進(jìn)行有效的描述，成為當(dāng)前研究的熱點(diǎn)，也是本文的工作重點(diǎn)。
　　 局部二值模式(LBP)是一種灰度范圍內(nèi)的紋理描述方式，它從一種紋理局部近鄰定義中衍生出來，最初是為了輔助性地度量局部圖像對(duì)比度。近

2、年來，研究者們成功地將其用于人臉特征描述和識(shí)別，并取得了顯著的效果。由于邊緣響應(yīng)比灰度像素值更加穩(wěn)定，T.Jabid等人提出了以邊緣響應(yīng)作為特征提取模板的局部方向模式(LDP)。但是LDP算子對(duì)光照不均勻情況比較敏感，針對(duì)這一缺點(diǎn)，本文主要完成了如下研究工作:
　　 1、分別研究了基于均值、方差以及均值方差級(jí)聯(lián)的局部方向模式(LDP)特征的人臉識(shí)別方法。在相同的測(cè)試條件下，通過比較這三種特征的識(shí)別率可知:基于方差的LDP特征對(duì)識(shí)

3、別效果并不理想，可考慮用其他方式應(yīng)用圖像方差;基于均值的LDP算法最優(yōu)，該算法在降低了特征維數(shù)的同時(shí)保證了較高的識(shí)別率。
　　 2、通過分析基于方差的LDP特征的不足，提出了圖像方差三值模式(VTP)。該算法能夠很好的描述圖像邊緣特征，計(jì)算簡(jiǎn)單、特征向量維數(shù)少等優(yōu)點(diǎn)，而且識(shí)別率高于基于方差的LDP特征。但是VTP算子“忽略”了對(duì)圖像平坦區(qū)域的描述，降低了圖像整體特征的描述能力。
　　 3、提出VTP特征和均值LDP特征的

4、融合特征(F-VTP)。F-VTP將VTP算子和基于圖像均值的LDP算子相結(jié)合，充分利用兩個(gè)算子的優(yōu)勢(shì)，大大改善和提高了算法精度。實(shí)驗(yàn)表明，在光照不均勻的情況下，F(xiàn)-VTP算子優(yōu)于其他算子。
　　 4、提出改進(jìn)型k鄰近(k-NN)匹配算法。在人臉識(shí)別研究中，訓(xùn)練人臉集包含了多個(gè)子類并且k值固定。本文針對(duì)人臉特征過程中的k-NN匹配算法提出了改進(jìn)型的算法，改進(jìn)算法將k賦隨訓(xùn)練樣本數(shù)變化的變量，并以k個(gè)距離最小樣本的距離和作為匹配度