基于改進型LBP特征的人臉識別研究.pdf

1、人臉識別是典型的圖像模式分析、理解與分類計算問題，具有重要的理論研究價值和廣闊的應(yīng)用前景。近年來，基于局部模式及紋理特征的人臉識別取得了很大的成功，針對光照、姿態(tài)變化和局部形變更加魯棒的局部建模方法成為主流方法之一。 基于局部二值模式(LBP)紋理特征的人臉識別方法取得了顯著的效果，但在劇烈光照和噪聲等復(fù)合極端成像條件的影響下，分類性能急劇下降。本文從圖像的紋理特征出發(fā)，對基于LBP特征空間的人臉識別進行了分析與研究，并且針對L

2、BP特征在人臉識別過程中存在的局限性提出了相應(yīng)的改進方案，主要工作包括以下幾方面： 1、針對劇烈光照等問題，采用了Gamma校正、差分高斯濾波(DoG)以及對比度均衡化三種光照預(yù)處理方法，以初步減少極端成像條件對人臉圖像的影響。 2、通過對LBP定義的擴展和優(yōu)化，提出了一種改進的局部三值模式(LTP)(Local Ternary Pattern，簡稱LTP)的紋理特征提取方法。LTP比LBP增加了一個-1量化閾值，對光照

3、變化和噪聲更加魯棒，并繼承了LBP的幾乎所有的優(yōu)點，極大的增強了局部紋理特征的分類性能。 3、針對特征空間的高維性，同時也為了提取最優(yōu)分類向量，本文利用PCA跟Fisher線性判別(Fisher Linear Discriminant，簡稱FLD)相結(jié)合的Fisherface方法來實現(xiàn)特征空間的降維和最優(yōu)鑒別分類。 4、結(jié)合光照預(yù)處理方法、LTP特征及Fisherface方法在標準人臉庫上進行綜合實驗，以驗證這些方法對L