資源描述：
《基于局部四值模式的人臉識別》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、基于局部四值模式的人臉識別摘要：局部二值模式（LBP）作為經(jīng)典的紋理特征描述方法廣泛應用于紋理分類和人臉識別等領域。然而現(xiàn)有相關算法僅利用周圍一個圓形鄰域的信息，沒有充分利用周圍鄰域的信息。為此，提出一種利用不同圓形鄰域之間的微分結構信息進行聯(lián)合描述的特征描述子，從而能夠更加充分地利用鄰域信息。由于所提方法在圓形鄰域上每個坐標處有4種不同可能的取值情況，因此將這種模型稱為局部四值模式（LQP）。在通用的人臉識別數(shù)據(jù)庫FERET上的大量實驗證明了所提算法的有效性。關鍵詞：局部二值模式；人臉識別；紋理特征；空域信息中圖分類號：TN919?34文
2、獻標識碼：A文章編號：1004?373X（2014）22?0030?04FacerecognitionbasedonlocalquaternizepatternYUNNan，F(xiàn)ENGZhi?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）作為經(jīng)典的紋理特征描述方法廣泛應用于紋理分類[1?3]和人臉識別[4?5]等領域。該特征算子不僅簡單高效，而且對圖像整體灰度單調(diào)變化具有魯棒性。其原因在于LBP并非從單一像素點的角度來描述紋理，而是用一個局部區(qū)域的模式來進行描述圖像的微觀結構，例如微點、微線、微斑點、微折線等。由于這種微結構很好地刻畫了圖像中的微紋理，因而具有較強的判別和區(qū)分能力。12近年來，大量的針對LBP局部微觀結構改進的算法被提出。例如，Liao等人通過實驗統(tǒng)計來選擇局部微結構中的主要結
6、構，從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），使用多種形狀的微結構模板來提取高階的LBP信息[7]。這樣，LBP實際上就是LDP的局部一階偏導模式。Tan和Triggs通過設定閾值將鄰域與中心相似的狀態(tài)作為一種中間態(tài)[8]，擴展局部鄰域關系為三種狀態(tài)，并提出了局部三值模式（LocalTernaryPatterns，LTP），對光照變化有較好的魯棒性。Guo等人深入地分析了LBP中局部鄰域點與中心點灰度差值的計算過程，指出LBP方法
7、表示的局部二值關系對應著差值的符號信息[3]。通過分別利用差值的符號信息和幅值信息計算局部二值模式，提出了一套新的完整的圖像描述模型（CompletedModelingofLocalBinaryPattern，CLBP）。在CLBP中，圖像的局部區(qū)域由局部差分符號?幅度變換（LDSMT）來表示。為了使符號部分和幅度部分那部分信息更能夠表征局部差分值，將局部差分值由符號部分和幅度部分分別進行重建。12在人臉識別方面，LBP算子也表現(xiàn)出了不錯的性能。例如，Ahonen等人將人臉圖像劃分為幾個互不重疊的區(qū)域，并分別求取其LBP直方圖，然后將各區(qū)域
8、直方圖連接起來作為人臉的特征[4]。張文超等人將LBP與Gabor小波相結合，提出了基于Gabor直方圖序列的人臉識別方法[5]。Zhang等人提出了一種級聯(lián)LBP人臉識別方法，
