资源描述：
《加权的多尺度多分辨率人脸描述与识别方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、第27卷第4期模式识别与人工智能Vol.27No.42014年4月PR&AIApr.2014加权的多尺度多分辨率人脸描述与识别方法12曾智勇刘侍刚1(福建师范大学软件学院福州350108)2(陕西师范大学计算机科学学院西安710071)摘要为克服人脸表情、光照变化等对图像中人脸识别结果的影响,文中提出一种加权的多尺度多分辨率人脸描述与识别方法.首先使用多分辨率分析分解图像为子带图像,并选择3个不同尺度的低频子带图像构建多尺度和多分辨率图像序列.然后针对图像序列的每幅图像编码人脸局部区域的中心像素与其邻域像素的灰度差的符号分量,体现人脸局部结构的重要性.再
2、利用人脸局部区域中心像素与邻域像素的灰度差的幅值分量作为像素局部二值模式的权重.最后利用块Fisher线性判别降低特征描述符的维数,同时增强判别能力.在ORL和FERET人脸库上的实验表明该方法可获得明显的性能提升.关键词多分辨率分析,局部二值模式,块Fisher判别分析,人脸识别中图法分类号TP391.4WeightedMultiscaleandMultiresolutionFaceDescriptionandRecognitionMethod12ZENGZhi-Yong,LIUShi-Gang1(FacultyofSoftware,FujianNor
3、malUniversity,Fuzhou350108)2(SchoolofComputerScience,ShaanxiNormalUniversity,Xi'an710071)ABSTRACTToovercometheeffectofdifferentilluminationsandexpressionsontherecognitionresultsoffaceimages,aweightedmultiscaleandmultiresolutionfacedescriptionandrecognitionmethodispresented.Multir
4、esolutionanalysisisfirstlyemployedtodecomposeaimageintosubimages,andthreelowfrequencesubbandswithdifferentscalesareselectedtoconstructmulti-scaleandmulti-resolutionimagesequences.Then,thesigncomponentsofgrayleveldifferencebetweencentralpixelanditsneighborsforeachimageinimageseque
5、ncesareencodedtoexpresstheimportanceoflocalfacestructure.Next,themagnitudecomponentsofgrayleveldifferencebetweencentralpixelanditsneighborsareusedastheweightoflocalbinarypattern.Finally,block-basedfisherlineardiscriminantanalysisisutilizedtoreducedimensionsofthefeaturedescriptora
6、ndenhanceitsdiscriminativeability.ExperimentalresultsonORLandFERETfacedatabasesshowthattheproposedmethodgetssignificantperformanceimprovement.KeyWordsMultiresolutionAnalysis,LocalBinaryPattern,Block-BasedFisherDiscriminantAnalysis,FaceRecognition收稿日期:2012-11-07;修回日期:2013-06-09作者简
7、介曾智勇(通讯作者),男,1965年生,博士,副教授,主要研究方向为人脸识别与验证、图像检索、机器学习等.E-mail:zhiyzeng@gmail.com.刘侍刚,男,1973年生,博士,副教授,主要研究方向为计算机视觉、图像三维重建等.4期曾智勇等:加权的多尺度多分辨率人脸描述与识别方法3791引言基于此,本文提出一种加权多尺度多分辨率人脸描述与识别方法.该方法结合前文所提方法的性质,并引进一个新的图像特征集.运用本文提取的自动人脸识别技术在过去二十多年已得到广泛研究,然而它仍是计算机视觉和模式识别领域一个LBP特征描述符,在ORL和PERET人脸图
8、像库上,活跃的研究方向,主要原因是因为在人脸识别的实采用最近邻分类器进行大量的仿
