基于LBP,Gabor特征相结合的人脸识别方法研究.docVIP

 基于 LBP,Gabor 特征相结合的人脸识别方 法研究 * 5 10 15 20 25 30 35 40  摘要：人脸识别是模式识别领域最为重要的研究课题之一。针对目前对人脸识别准确率越来 越高的需求，本文针对 LBP,Gabor 小波变换将结合的人脸识别算法进行了深入的研究，通过 将 LBP 与 Gabor 小波变换相结合，可以提取更多人脸的特征信息，并通过对原始图像进行相 应的与处理操作，尽可能的滤除原始图像中的噪声信息，使算法获得更高的识别率，实验结 果验证了算法的有效性。 关键词：人脸识别;LBP 变换;Gabor 小波变换 中图分类号：TP391.41 Face Recognition Method Based on Local Binary Patterns and Gabor Features Kang Jian, Zhang Honggang (Beijing University of Posts and Telecommunications,Pattern Recognition and Intelligent System Laboratory) Abstract: With the development in recent years,face recognition has became a most important research topic of the security domain.In view of the high demand for the accuracy of face recognition,this paper proposed a method based on local binary patterns which could extract more precise and different features. In the front,DoG filter and Gamma correction could reduce a lot of noise of the original picture.With the combination of these mentioned method, the face recognition accuracy would be improved to a certain extent. Key words: Face Recognition; Local Binary Patterns;Gabor Wavelet Transform 0 引言 人脸识别技术是机器视觉领域的重要研究内容。相对于指纹、虹膜等其它生物特征识别 方法，人脸识别具有采集方便、非侵扰性等特殊优势，因而具有非常广泛的应用前景，正在 引起学术界和商业界越来越多的关注。在信息检索领域，人脸识别可帮助检索人物图片资料； 在自动监控系统、人机交互以及智能系统等领域，人脸识别研究及应用都具有十分重要的意 义。 人脸识别技术经过长时间的发展，在实用性，可靠性等多方面取得长足的进步。与此同 时，多种不同的人脸识别方法也相继被提出。主要包括：(1)基于特征子空间分析的主成分 分析方法（PCA），线性判别分析方法（LDA）[1]，独立成分分析方法（ICA）。（2）基于 统计的支持向量机方法（SVM），人工神经网络方法（ANN）。（3）基于局部模式的Gabor 小波变换方法，基于局部二值模式（LBP）的方法[2],[3]等。 其中局部二值模式（LBP）[4]算法作为图像纹理表示的一种及其有效的方法，不仅能够 描述出人脸图像中的一些微小特征。如亮光点、暗点、光照均匀区域以及不同方向边缘等， 而且，它能够反映出这些微小特征的分布情况。同时，LBP纹理分析具有任意单调变换不变 -1-  性和图像旋转不变性，能表征出对光照及外界条件变化不敏感的图像本身的特征。这使得它 对于光照和外界成像条件的变化极为鲁棒，因此LBP纹理特征具有较强的特征表征和分类能 力。 45 50 而Gabor小波则可以很好地模拟大脑皮层中单细胞感受野的轮廓,捕捉突出的视觉属性, 例如空间定位方向选择等.特别是Gabor小波可以提取图像特定区域内的多尺度多方向空间 频率特征,像显微镜一样放大灰度的变化,这样,人脸图像中的眼睛鼻子和嘴以及其他一些局 部特征被放大。但Gabor小波变换后的特征维数较大，计算相对复杂。 本文中所采用的Gabor与LBP[10]相结合的方法，通过LBP局部二值模式对Gabor小波变换 提取出的特征进行降维，进行特征再提取。同时在前段加入了DoG滤波，Gamma光照矫正 与人脸几何归一化等操作，使得整体算法性能得到了很大的提高。 图1所示即为本文中的算