基于局部四值模式的人脸识别

基于局部四值模式的人脸识别

ID:10140718

大小:38.00 KB

页数:12页

时间:2018-06-11

基于局部四值模式的人脸识别_第1页
基于局部四值模式的人脸识别_第2页
基于局部四值模式的人脸识别_第3页
基于局部四值模式的人脸识别_第4页
基于局部四值模式的人脸识别_第5页
资源描述:

《基于局部四值模式的人脸识别》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于局部四值模式的人脸识别摘要:局部二值模式(LBP)作为经典的纹理特征描述方法广泛应用于纹理分类和人脸识别等领域。然而现有相关算法仅利用周围一个圆形邻域的信息,没有充分利用周围邻域的信息。为此,提出一种利用不同圆形邻域之间的微分结构信息进行联合描述的特征描述子,从而能够更加充分地利用邻域信息。由于所提方法在圆形邻域上每个坐标处有4种不同可能的取值情况,因此将这种模型称为局部四值模式(LQP)。在通用的人脸识别数据库FERET上的大量实验证明了所提算法的有效性。关键词:局部二值模式;人脸识别;纹理特征;空域信息中图分类号:TN919?34文

2、献标识码:A文章编号:1004?373X(2014)22?0030?04FacerecognitionbasedonlocalquaternizepatternYUNNan,FENGZhi?yong(TianjinUniversity,Tianjin300072,China)Abstract:Asaclassicdescriptionmethodoftexturefeatures,localbinarypattern(LBP)hasbeenwidelyusedinfieldsoftexture12classificationandfacer

3、ecognition.However,theexistingalgorithmsdonotmakefulluseofthesurroundingspatialinformationbutonlyexploitacircularneighborhood.Toovercomethedisadvantage,anoveldescriptorwhichappliesdifferentialstructureinformationbetweendifferentcircularneighborhoodstodojointdescriptionispr

4、oposed.Ithasfourpossiblevaluesateachcoordinateinthecircularneighborhood.Thusthemodeliscalledlocalquaternizepattern(LQP).ExtensiveexperimentresultsonapopularfacerecognitiondatasetFERETshowtheeffectivenessoftheproposedmethod.Keywords:localbinarypattern;facerecognition;textur

5、efeature;spatialinformation0引言局部二值模式(LBP)作为经典的纹理特征描述方法广泛应用于纹理分类[1?3]和人脸识别[4?5]等领域。该特征算子不仅简单高效,而且对图像整体灰度单调变化具有鲁棒性。其原因在于LBP并非从单一像素点的角度来描述纹理,而是用一个局部区域的模式来进行描述图像的微观结构,例如微点、微线、微斑点、微折线等。由于这种微结构很好地刻画了图像中的微纹理,因而具有较强的判别和区分能力。12近年来,大量的针对LBP局部微观结构改进的算法被提出。例如,Liao等人通过实验统计来选择局部微结构中的主要结

6、构,从而提出了主要局部二值模式(DominantLBP)算子[6]。Zhang等人提出了局部衍生模式(LocalDerivativePattern,LDP),使用多种形状的微结构模板来提取高阶的LBP信息[7]。这样,LBP实际上就是LDP的局部一阶偏导模式。Tan和Triggs通过设定阈值将邻域与中心相似的状态作为一种中间态[8],扩展局部邻域关系为三种状态,并提出了局部三值模式(LocalTernaryPatterns,LTP),对光照变化有较好的鲁棒性。Guo等人深入地分析了LBP中局部邻域点与中心点灰度差值的计算过程,指出LBP方法

7、表示的局部二值关系对应着差值的符号信息[3]。通过分别利用差值的符号信息和幅值信息计算局部二值模式,提出了一套新的完整的图像描述模型(CompletedModelingofLocalBinaryPattern,CLBP)。在CLBP中,图像的局部区域由局部差分符号?幅度变换(LDSMT)来表示。为了使符号部分和幅度部分那部分信息更能够表征局部差分值,将局部差分值由符号部分和幅度部分分别进行重建。12在人脸识别方面,LBP算子也表现出了不错的性能。例如,Ahonen等人将人脸图像划分为几个互不重叠的区域,并分别求取其LBP直方图,然后将各区域

8、直方图连接起来作为人脸的特征[4]。张文超等人将LBP与Gabor小波相结合,提出了基于Gabor直方图序列的人脸识别方法[5]。Zhang等人提出了一种级联LBP人脸识别方法,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。