分层CS-LBP和HOG特征融合的人脸识别研究-论文.pdf

《分层CS-LBP和HOG特征融合的人脸识别研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第38卷第4期武汉理工大学学报(交通科学与工程版)Vo1．38NO．42014年8月JournalofWuhanUniversityofTechnologyAug．2014(TransportationScience8LEngineering)分层CS—LBP和HOG特征融合的人脸识别研究*万源李欢欢童恒庆吴克风(武汉理工大学理学院武汉430070)摘要：针对单独的纹理特征只能提取图像的纹理信息而不能得到图像轮廓边缘信息的问题，在人脸识别的特征提取研究中提出了分层CS-LBP和分层HOG特征的融合方法．对图像分别进行多次CS-LBP和H

2、OG特征的提取，得到分层CS-LBP特征提取图像和分层HOG特征提取图像，对分层的特征提取图像再次提取分层CS-LBP和分层HOG特征，并将两种分层特征进行融合，得到更有效的人脸的纹理及边缘轮廓特征．在ORL和GT人脸库上的实验结果验证了所提出的分层特征融合方法的有效性．关键词：中心对称局部二值模式；梯度方向直方图；分层特征；特征提取中图法分类号：TP391．4doi：10．3963／J．issn．2095—3844．2014．04．0220引言的特征之一．HOG特征边缘描述能力强，且对光照和小量的偏移具有鲁棒性，但其提取的特征向特征提

3、取是人脸识别中的核心问题．近年来，量维数较大且提取时间较长，当图像比较复杂时，HOG效果会变差且提取的特征不完整。]．局部特征的人脸识别技术备受学者的关注，局部二值模式(1ocalbinarypattern，LBP)_】与局部三值模式(1ocalternarypattern，LTP)[2J、梯度方向1相关特征介绍直方图(histogramoforientedgradient，HOG)

4、3]等特征是人脸识别中常用的局部特征提取的方1．1CS-LBP特征法．LBP特征由于其分类能力强，对单调的灰度LBP特征只考虑邻域像素与中心像素的灰变化具

5、有不变性，且能结合图像的整体特征，因此度关系并不能完全有效的反映局部纹理特征，另于2004年被TimoAhonen等_4]成功地应用于人一方面，以8邻域像素来描述图像的局部纹理特脸识别中，成为人脸识别的重要方法．虽然LBP征，则LBP的纹理直方图为256维，即所得到的和LTP能很好地描述纹理特征，但对噪声却非常特征维数相对较高，若用来描述图像的局部特征，敏感，中心对称局部二值模式CS—LBP(center将导致维数快速增长，而且邻域越大特征维数越symmetriclocalbinarypattern)特征是LBP特征高．的进一步改进，降

6、低了特征维数，减小了时间复杂Heikkila等提出了中心对称的局部二值模度．HOG特征最初是Dalal等于2005年提出的式(CS_LBP)纹理谱描述符，通过比较关于中心对一种行人检测方法，后来被D6niz等[5]应用于人称的4对像素之间的灰度值变化来描述局部纹理脸识别中．HOG特征在一个大小统一、网格密集模式，即具体的CS—LBP算子计算公式为N／2-1的细胞单元上进行计算，利用相互重叠的局部对cs—LBPN，R，T一s(g—g斗～／2)2比度归一化技术，是描述边缘和形状信息的最好收稿日期：2014-05—08万源(1976一)：女，

7、博士，副教授，主要研究领域为机器学习及图像处理国家自然科学基金重点项目(批准号：91324201)、国家自然科学基金项目(批准号：81271513)、武汉理工大学自主创新基金项目(批准号：2013一Ia一017)资助第4期万源，等：分层CS—LBP和HOG特征融合的人脸识别研究·805·方法．融合方法的计算复杂度也相对较小，实验表(ECCV’2004)，Prague：CzechRepublic，2004：469—明分层CS—LBP特征与分层HOG特征之间有相481．[5]DENIZO，BUENOG，SALITOJ，eta1．FaceRe

8、cog—互补充的作用，增强了表示图像特征的能力，显著nitionUsingHistogramsofOrientedGradients[J]．提高了分类识别率．PatternRecognitionLetters，2O1l，32(12)：1598—1603．参考文献[6]瞿中，孔令军，冯欣．典型相关分析融合LBP和HOG特征的人脸年龄估计[J]．重庆大学学报，2014，[1]OJA1AT，PIETIKAINENM，HARWOODD．A37(4)：52—57．comparativestudyoftexturemeasureswithclass

9、ifi—[7]黄炎，范赐恩，朱秋平，等．联合梯度直方图和局部cationbasedonfeaturedistributions[J]．Pattern二值模式特征的人体检测[J]．光学精密工程，2013，Re