论文部分内容阅读
在各种生物特征识别方法中,自动人脸识别有其自身特殊的优势,因而在生物识别中有着重要的地位。经过三十多年的发展,人脸识别技术取得了长足的进步,目前最好的人脸识别系统在理想情况下已经能够取得可以接受的识别性能,并已经出现了若干人脸识别系统。但由于人脸识别问题的复杂性和客观条件的多重影响,人脸识别应用系统仍然面临着许多需要解决的关键问题。人脸特征提取是人脸识别的关键,关系到分类识别算法的选取与识别正确率,从一定意义上讲,它关系到自动人脸识别系统的有效性。局部二值模式(LBP)是一种灰度范围内的纹理描述方式,它从一种纹理局部近邻定义中衍生出来,最初是为了辅助性地度量局部图像对比度提出。近年来,研究者们成功地将其用于人脸特征描述和识别,并取得了显著的效果。然而,LBP算子本身还不够完善,在人脸识别的应用中还存在许多问题亟待解决,针对这些问题,本文主要完成了如下研究工作:1.提出LBP子模式算法。对LBP模式的降维方法进行了研究,分析了LBP等价模式的不足,并结合PCA降维,提出LBP子模式算法。该算法针对不同图像提取最具代表性的子模式特征,维数约简更加灵活方便、且更加有效,同时LBP子模式特征还能去除部分噪声信息,有助于特征提取的准确性。2.提出LBP金字塔算法。对多尺度LBP算法进行了研究,针对现有方法的不足,提出LBP金字塔算法。该算法首先构建图像的多尺度金字塔,然后使用一种LBP算子来提取图像的多尺度LBP特征。与现有方法相比,本文所提出的LBP金字塔算法不仅能提取丰富、有效的图像特征,同时具有计算量小的优点。3.在前两种算法的基础上,提出一种基于多尺度LBP子模式特征的人脸描述与识别方法。该算法结合了LBP算子的局部描述能力和PCA方法的全局描述能力,能有效描述人脸图像统计信息和结构信息。同时,该算法所产生的特征维数较低,可以满足人脸识别系统的实时性要求。实验分析表明,本文所提出的多尺度LBP子模式具有较强的人脸特征描述能力和可鉴别性,且对光照、人脸表情和位置的变化具有较高的鲁棒性。本文主要研究了LBP算子及其在人脸识别中的应用,在LBP的降维方式、LBP的多尺度扩展、以及基于LBP算子的人脸识别等方面作了较深入的研究工作,提出了有效的新方法,对于推动自动人脸识别的进一步发展和应用具有积极的意义。