非采樣Contourlet變換與局部二值模式相結合的人臉識別研究.pdf

1、近幾十年生物鑒別技術取得了長足的進步，其中人臉識別技術由于其特殊的優(yōu)勢，得到了廣泛的研究。目前人臉識別技術的識別性能在理想情況下已接近實用化。但是由于人臉圖像易受姿態(tài)、表情、光照等因素的影響，以及人臉結構自身的復雜性，人臉識別系統(tǒng)仍面臨著許多需要解決的關鍵問題。
　　人臉識別算法由人臉檢測、特征提取、識別三部分構成，其中特征提取一定程度上關系著人臉識別系統(tǒng)性能的好壞，因此特征提取是人臉識別算法的關鍵。近幾年基于多尺度多方向的特征提

2、取方法成為人臉識別領域的主流算法之一，而非采樣Contourlet變換（Nonsubsampled Contourlet Transform，NSCT）是一種優(yōu)秀的圖像表示方法，具有多方向型、多尺度特性、各向異性和平移不變性，本文將NSCT變換引入人臉識別領域，用以提取對復雜環(huán)境魯棒的人臉鑒別信息，主要工作如下：
　　1、提出一種基于非采樣Contourlet變換與局部二值模式（Local Binary Pattern，LBP）的

3、人臉特征提取方法。首先對人臉圖像進行NSCT變換，得到多尺度、多方向的子帶系數(shù)矩陣，然后利用LBP算子從每個子帶系數(shù)矩陣上抽取局部鄰域關系，得到各子帶的LBP特征圖譜（Local NSCT Binary Pattern，LNBP），最后將這些圖譜分塊統(tǒng)計并級聯(lián)后作為人臉的識別特征（Histogram of Local NSCT Binary Pattern，LNBPH）。利用多通道最近鄰分類器的分類結果表明，該方法所提取的特征對光照、表

4、情和姿態(tài)等變化具有很好的魯棒性，且獲得了較好的識別性能。
　　2、針對LNBPH特征維數(shù)較大的問題，提出一種適合小樣本與統(tǒng)計直方圖的特征降維方法。將LNBPH特征中的每個元素看作一個粒子，考察每個粒子的可鑒別性，并抽取那些可鑒別性高的粒子作為新的識別特征。同時為了消除光照對可鑒別性分析的影響，在對人臉進行LNBPH特征提取前，利用自商圖像算法對包含光照信息的低頻子帶進行光照歸一化。實驗結果表明，該方法在保持 LNBPH高識別率的情