基于均值和方差的局部紋理特征的人臉識別研究.pdf

1、人臉特征與其他生物特征相比，具有易被客戶接受、設備成本低等優(yōu)勢。經過數年的發(fā)展和研究，人臉被廣泛的應用于各種識別系統(tǒng)中，并且其理論體系也日趨成熟。在人臉識別算法中，人臉特征提取是影響識別效果的一個重要因素。如何更好的對人臉特征進行提取，并進行有效的描述，成為當前研究的熱點，也是本文的工作重點。
　　 局部二值模式(LBP)是一種灰度范圍內的紋理描述方式，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別，并取得了顯著的效果。由于邊緣響應比灰度像素值更加穩(wěn)定，T.Jabid等人提出了以邊緣響應作為特征提取模板的局部方向模式(LDP)。但是LDP算子對光照不均勻情況比較敏感，針對這一缺點，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聯(lián)的局部方向模式(LDP)特征的人臉識別方法。在相同的測試條件下，通過比較這三種特征的識別率可知:基于方差的LDP特征對識

3、別效果并不理想，可考慮用其他方式應用圖像方差;基于均值的LDP算法最優(yōu)，該算法在降低了特征維數的同時保證了較高的識別率。
　　 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，計算簡單、特征向量維數少等優(yōu)點，而且識別率高于基于方差的LDP特征。但是VTP算子“忽略”了對圖像平坦區(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算子相結合，充分利用兩個算子的優(yōu)勢，大大改善和提高了算法精度。實驗表明，在光照不均勻的情況下，F-VTP算子優(yōu)于其他算子。
　　 4、提出改進型k鄰近(k-NN)匹配算法。在人臉識別研究中，訓練人臉集包含了多個子類并且k值固定。本文針對人臉特征過程中的k-NN匹配算法提出了改進型的算法，改進算法將k賦隨訓練樣本數變化的變量，并以k個距離最小樣本的距離和作為匹配度