基于局部描述算子的人臉識(shí)別.pdf

1、隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的快速發(fā)展，社會(huì)信息化程度不斷深入。傳統(tǒng)的身份認(rèn)證模式已經(jīng)不能很好地滿(mǎn)足社會(huì)高速信息化的要求，此時(shí)基于生物特征的識(shí)別技術(shù)在各領(lǐng)域引起了廣泛關(guān)注。近年來(lái)，人臉識(shí)別作為圖像識(shí)別領(lǐng)域中最成功的應(yīng)用，已經(jīng)越來(lái)越受到人們的重視。而對(duì)于一個(gè)優(yōu)秀的人臉識(shí)別系統(tǒng)來(lái)講，圖像特征提取儼然已經(jīng)成為其最核心的問(wèn)題之一。
　　局部二值模式（Local Binary Pattern，LBP）作為一種非常高效的局部特征描述算子，由于其與身俱

2、來(lái)的優(yōu)點(diǎn)，受到越來(lái)越多的關(guān)注，并在人臉識(shí)別領(lǐng)域取得了很大的成功。本文針對(duì)LBP及其衍生算法進(jìn)行了研究與分析，在此基礎(chǔ)之上，首次闡述了“凹凸”模式，提出局部三元導(dǎo)數(shù)模式（Local Binary Pattern，LTDP）的描述算子，研究?jī)?nèi)容主要有下述幾個(gè)方面：
　　1.對(duì)LBP及其衍生算法進(jìn)行研究。根據(jù)局部二值編碼算子理論，本文分析了它們的優(yōu)缺點(diǎn)，并根據(jù)模式的空間結(jié)構(gòu)，建立了圖像的“凹凸”模型，提出了一種新的局部描述算子——局部三

3、元導(dǎo)數(shù)模式（Local Ternary Derivative Pattern，LTDP）。LTDP通過(guò)計(jì)算在各個(gè)方向上的相關(guān)像素間的距離，根據(jù)距離的變化情況將之按照“凹凸”模式進(jìn)行分類(lèi)，從而提取了子圖像的二維空間信息。與其他的局部算法相比較，該算法在考慮局部空間信息的同時(shí)，還考慮了方向變化信息，從而提取了能更加完整的表述對(duì)象的特征信息。另外一方面，在LTDP的編碼階段，加入了自適應(yīng)函數(shù)，使得在復(fù)雜環(huán)境的情況下，表現(xiàn)更具魯棒性。
　

4、　2.為了驗(yàn)證LTDP在不同光照，表情，年齡，附屬物等各種條件下的性能，本文在常用的Extended Yale B、CMU PIE、FERET以及CAS-PEAL等人臉庫(kù)上進(jìn)行實(shí)驗(yàn)，并將之與局部模式描述算子LBP和LDP(Local Derivative Pattern)進(jìn)行對(duì)比。這些標(biāo)準(zhǔn)人臉庫(kù)的實(shí)驗(yàn)結(jié)果表明，LTDP的效果要遠(yuǎn)好于LBP和LDP，驗(yàn)證了“凹凸”模式的有效性。
　　3.由于圖像的采集環(huán)境差異性的存在，導(dǎo)致了人臉圖像

5、背景模糊、光照不均勻等問(wèn)題。為了消除這些變化著的復(fù)雜環(huán)境的差異，提高算法的實(shí)用性，本文加入了預(yù)處理方案——DoG濾波和Gamma矯正，并成功與局部模式算法相結(jié)合。在Extended Yale B，CMU PIE，F(xiàn)ERET以及CAS-PEAL人臉庫(kù)上進(jìn)行對(duì)比實(shí)驗(yàn)，在加入預(yù)處理后，LBP、LDP以及LTDP的識(shí)別率得到不同程度的提高，驗(yàn)證了預(yù)處理方案和局部描述算子結(jié)合的有效性。實(shí)驗(yàn)結(jié)果同時(shí)也顯示，在加入預(yù)處理后，LTDP識(shí)別效果好于LBP