基于LBP算法的人臉識別研究.pdf

1、隨著計算機和信息技術的快速發(fā)展，人臉識別技術越來越受到重視。本文主要研究了人臉在不同光照、不同表情下的特征提取與識別的一些關鍵問題，提出了一些改進方法，并通過實驗進行了可靠性驗證。
　　針對LBP算法提取人臉圖像的表情特征信息時會丟失特殊的特征信息的缺點，本文提出了多重局部二值模式的人臉表情識別方法(Multiple Local BinaryPatterns，MLBP)，該方法在保持LBP算法優(yōu)點的前提下，通過增加一位二值編碼，利

2、用中心像素點作用以及鄰域像素點灰度值之間的關系，得出特征向量圖。實驗結(jié)果表明MLBP算法比LBP算法描述的表情紋理圖像更加均勻，且識別率約提高10％。
　　針對人臉表情圖像進行紋理特征提取時的模塊大小劃分問題，本文提出將MLBP算法與Harr小波分解相結(jié)合，該方法首先將表情圖像進行Harr小波分解，得到四幅不同頻率的子圖像，然后對其中三幅圖像進行MLBP特征提取，并將得到的特征值串聯(lián)形成表情圖像的特征向量。實驗結(jié)果表明該方法比ML

3、BP方法直接提取表情特征所產(chǎn)生的特征向量的維數(shù)減少了25％，特征提取和識別的速率提高了，其中識別率約提高了9％。
　　人臉識別研究中的識別率容易受光照強度的影響。針對MLBP算法在光照變化時具有旋轉(zhuǎn)不變性，以及Gabor小波能提供空間位置、空間頻率的特性，本文提出了多重局部Gabor二值模式方法(Multiple Local Gabor Binary Pattern，MLGBP)，該方法先對人臉圖像使用Gabor小波進行變換處理，