论文部分内容阅读
众所周知,在计算机视觉和模式识别学科内,人脸识别是一个被研究很广泛的课题。如何找到一些行之有效的人脸特征来描述人脸是人脸识别技术的核心问题,现阶段成熟的人脸识别算法都是通过区分该特征来进行人脸识别的。一般情况下,从整体和局部的角度上来分的话,人脸识别算法可以分为基于全局的和基于局部的两类人脸识别算法。全局方法如主成分分析(PCA)、核主成分分析(KPCA)和二维主成分分析(2DPCA)已经被广泛地研究。PCA是十分成熟的用于人脸特征提取的人脸识别算法之一,通过计算原输入的协方差矩阵的特征向量,PCA把高维的输入向量线性转换为低维的不相关向量。对于非线性PCA已经发展出了多种算法,核主成分分析(KPCA)就是其中一种,其在PCA中引入了核函数。2DPCA是基于二维图像矩阵的特征提取的一种人脸识别方法并取得了非常好的实验效果。它通过图像矩阵直接构造图像方差矩阵,并导出提取图像特征的特征向量。局部方法中研究比较广泛的是LBP算子,灰度不变性和旋转不变性是LBP算子主要的特性也是主要的优点。尤其在最近几十年的时间内,LBP算子已经得到不断的发展和演化并广泛地应用于纹理分类、人脸识别等领域,但是LBP本身并不是完美的,也具有局限性,为了提高LBP的性能,本文进行了探索。本文的主要贡献如下：(1)对LBP算子的背景、基本原理和在人脸方面的应用进行了详细的梳理和总结,最后在试验结果上研究了基于LBP的人脸识别方法,通过试验验证了LBP方法的有效性,除此以外,还考察了各个参数对LBP方法的影响。(2)将新出现的纹理识别算子WLD(韦伯局部描述符)运用于人脸识别。并在ORL、Yale和AR人脸库上考察了该算法的有效性,试验结果证明了该算法优于PCA、2DPCA和KPCA等主流人脸识别算法。(3)受WLD的启发,将LBP和WLD进行结合提出了一种新的算子WLBP,它是对LBP算子的一种改进算法,通过在ORL、Yale和AR人脸库上的实验表明：WLBP识别效果优于现存的大部分人脸识别算法,诸如：PCA、KPCA、2DPCA、Gabor和LBP。