论文部分内容阅读
局部二值模式(Local Binary pattern,LBP)是一种在图像邻域内度量和提取局部纹理特征信息的描述方法,具有计算简单、对均匀光照不敏感等优点,已被广泛应用于人脸特征描述与识别。但在实际应用场景中,存在非均匀光照、噪声以及人脸被部分遮挡等图像质量退化情况,传统的LBP特征提取方法不能满足人脸跟踪及识别等应用需求。本论文以人脸跟踪与识别的实际应用需求为牵引,致力于利用LBP特征提取原理,构造新的具有抗非均匀光照、噪声及部分遮挡影响的人脸局部纹理提取方法,并应用于人脸跟踪和人脸识别,以进一步提高跟踪和识别的准确性和鲁棒性。论文主要研究内容是:(1)针对LBP特征对非均匀光照敏感的问题,提出了一种自适应阈值的局部相对差分二值模式人脸光照不变描述算子(Local Relative Differential Binary Pattern with Adaptive Threshold,LRDBPAT)。该算子在相对差分图像基础上,采用自适应阈值局部二值模式提取局部纹理特征。对比实验结果表明,该算子应用于非均匀光照人脸局部纹理特征提取具有较好的鲁棒性。(2)针对LBP特征不能提取局部纹理特征宏模式信息、对噪声敏感的缺陷,通过结合模拟视网膜采样结构(Patch to Pixel,PTP)和中心对称局部相对差分二值模式,实现了对人脸图像局部纹理的微模式和宏模式特征信息的有效捕捉,从而提出了一种模拟视网膜采样结构的中心对称局部相对差分二值模式纹理特征提取算子(PTP center symmetric local relative differential binary pattern with adaptive threshold,PTP_CSLRDBPAT)。对比实验结果表明,该算子具有抗噪性能的同时,还保持了光照鲁棒性。(3)针对传统针均值漂移人脸跟踪算法仅依赖RGB颜色模型提取人脸特征,在光照变化明显以及人脸与背景颜色相似时,易导致跟踪丢失的问题,提出了一种RGB颜色模型与PTP_CSLRDBPAT纹理特征相结合的均值漂移人脸跟踪算法,实验结果表明,该算法在光照变化明显以及人脸与背景颜色相似时,具有较好的人脸跟踪准确性和鲁棒性。(4)针对人脸图像存在部分遮挡情况时易导致识别准确性下降的问题,提出了一种单演滤波变换域局部纹理特征的人脸识别方法。该方法首先运用单演滤波变换方法提取人脸单演幅值信息、相位信息和方向信息;随后,对其单演幅值信息采用PTP_CSLRDBPAT算子提取幅度局部纹理特征信息,并分别对相位信息和方向信息采用局部异或算子提取其相位和方向的纹理特征信息;对得到的三个纹理特征信息图分别划分为若干子块,并应用区域重要性因子描述其加权特征直方图;在此基础上,将所有子块的加权特征直方图连接在一起作为最终的人脸局部纹理特征,并应用K最近邻分类器实现了人脸识别。对比实验结果表明,在人脸部分遮挡情况下,该算法具有较好的人脸识别准确率。