LBP和2DDCT相结合的单幅人脸图像识别.pdf

《LBP和2DDCT相结合的单幅人脸图像识别.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23卷第12期电子设计工程2015年6月Vol.23No.12ElectronicDesignEngineeringJun.2015LBP和2DDCT相结合的单幅人脸图像识别王常芳，朱贤良（江苏科技大学计算机科学与工程学院，江苏镇江212003）摘要：LBP（局部二值模式）作为一种有效的纹理描述算子，度量和提取图像局部的纹理信息，对光照具有不变性，在单幅人脸图像识别具有很好的应用。在研究此理论的基础上提出了一种基于局部二值模式（LBP）与二维离散余弦变换（2DDCT）相结合的人脸识别方法。将单幅的人脸图像规则的分成多个子块，对每个子块进行LBP变换，把每个LBP变换的后的子块分别用2DDCT

2、变换到频率域，大部分信息保存在低频部分，选取低频作为人脸的频率域特征，有效的降低了维数，使计算量降低。实验结果表面，在ORL人脸数据库上具有较高的识别率。关键词：人脸识别；二维离散余弦变换；局部二值模式；特征提取中图分类号：TP391.41文献标识码：A文章编号：1674－6236（2015）12-0120-03SinglefaceimagerecognitioncombinedLBPwith2DDCTWANGChang鄄fang，ZHUXian鄄liang（SchoolofcomputerscienceandEngineering，JiangsuUniversityofScienceandT

3、echnology，Zhengjiang212003，China）Abstract:LBP（Localbinarypattern）asaneffectivemeasureanddescribeapartialextractimagetextureinformationoperator，whichisinvarianttoilluminationandthathasgoodapplicatoninsinglehumanfacerecognition.Inthispaper，basedonthestudyofthisonetheory，weproposeanewfacerecognitionmet

4、hodwhichisonthebasisofintegratingthelocalbinarypattern（LBP）withtwo鄄dimensionaldiscretecosinetransform（2DDCT）.Thefacewasdividedregularlyintosmallregions，foreachsub鄄blocktransformationtoLBPandthentransformationtothefrenquencydomainby2DDCT.Mostoftheinformationstoredinthelowfrequencysectionands-Electlow

5、frequencyasthefrequencydomaincharacteristicsofthehumanface，whichisreducingthenumberofdimensionsecffectively，sothatreducestheamountofcalculation.TheexperimentalresultsshowthatthismethodhasahighrecognitionrateonORLfacedatabases.Keywords:facerecognition；dimensionaldiscretecosinetransform；localbinarypat

6、tern；featureextraction随着科技的发展，人脸识别在社会上的应用越来越广式。最初有Ojala等[9]提出了LBP算子用来描述图像的局部结泛[1]。目前，人脸表情识别方法有：基于活动外观模型，基于构。原始的LBP算子为图像的每个像素定义了一个以该像素Gabor小波、基于局部二值模式（LBP）和基于流形[2]等。其中为中心的8个像素的弧度值与其进行对比，若周围像素值大LBP方法在人脸表情识别方面对光线就有很好的鲁棒性和于中心点的值，则该像素位置被标记为1，否者为0。识别性能好等优点[3]。LBP可以快速的从人脸图像中提取纹对于窗口，LBP值的计算公式如下：理信息，保留了有效的人脸

7、信息，在人脸识别领域有很好的7LBP=移i（1）应用[4]。Ahonen等[5]提出了基于LBP[6]算子的人脸识别算法在gcS（gi-gc）2i=0人脸数据库中具有很好的识别性能。其中，gc是窗口中心像素的像素值，gi是8个邻域像素的然而，基于LBP算法的人脸识别所得到的LBP直方图灰度值，S（x）是一个二值化函数，其定义如下：向量维数过高，计算量大。识别效率不高等问题，本文提出将1x>0S（x