資源描述：
《基于局部模式加權(quán)估計(jì)紋理分析的人臉識(shí)別-論文.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、熬V。腳L。c想柵【本文獻(xiàn)信息】胡鐘月．基于局部模式加權(quán)估計(jì)紋理分析的人臉’"，rJ、~，t4[J]．電視技術(shù)，2014，38(5)基于局部模式加權(quán)估計(jì)紋理分析的人臉識(shí)別胡鐘月(廣西現(xiàn)代職業(yè)技術(shù)學(xué)院，廣西河池547000)【摘要】傳統(tǒng)的紋理分析方法僅以每個(gè)臉部區(qū)域的相對(duì)貢獻(xiàn)來標(biāo)記全局相似度，針對(duì)這種以局部表示全局而導(dǎo)致不能很好地進(jìn)行特征提取的1'7題，提出了基于局部模式的加權(quán)估計(jì)紋理分析(WeightingEstimationforTextureAnalysis，WETA)方法。首先使用局部二值模式(LocalBinaryPattern，LBP)或者局部相位量
2、化(LocalPhaseQuantization，LPQ)對(duì)圖像進(jìn)行紋理編碼，并將其劃分成各個(gè)大小相等且不重疊的局部小塊；然后從相似空間中提取出最具識(shí)別力的坐標(biāo)軸，利用編碼與數(shù)據(jù)庫(kù)的不同組合估算出權(quán)值；最后，通過權(quán)值優(yōu)化給出了最佳解決方案，并采用相似性度：匿距離轉(zhuǎn)換完成人臉的識(shí)別。在FERET和ORL兩大通用人臉數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)驗(yàn)證了所提方法的有效性，實(shí)驗(yàn)結(jié)果表明，與先進(jìn)的紋理方法相比，所提方法取得了更好的識(shí)別性能?！娟P(guān)鍵詞】人臉識(shí)別；特征提??；加權(quán)估計(jì)；紋理分析；局部模式；相似性度量距離轉(zhuǎn)換【中圖分類號(hào)】TN91I．73；TP311【文獻(xiàn)標(biāo)志碼】AWeight
3、ingEstimationTextureAnalysisBasedonLocalPatternforFaceRecognition．HUZhongyue(GuangxiModernPolytechnicCollege，GuangxiHechi547000，China)【Abstract】Traditionaltextureanalysismethodsmark~obalsimilarityonlybyrelatedattributionofeachfacearea，fortheissuethat0balinformationisrepresentedbyloc
4、alinformationwhichcausesbadfoatareextracting．WeightingEstimationforTextureAnalysis(WETA)basedonlocalpatternispro—posed．Firstly，faceimagesaredividedintosomenon-overlappinglocalpatcheswithsamesizesaftertexturecodingbyusingLOcalBinaryPatterns(LBP)orLocalPhaseQuantization(LPQ)．Then，coor
5、dinateaxeswiththemostdiscriminationareextractedfromthesimilarityspaceanddiferentCOB—binationsbycodesanddatabasesareusedtoestimateweights．Finally，thebestsolutionisgivenbyweightoptimization，usingsimilaritymeasuredis—tancetransformationtofinishfacerecognition．Theefficiencyofproposedmet
6、hodisverifiedbyexperimentsconductedontheFERETandontheORLfacedatabases．Theexperimentsindicatethattheproposedmethodbringsabetterrecognitionperformanceincomparisontootherweightingmethodspro—posedintheliterature．【Keywords】facerecognition；featureextraction；weightingestimation；textureanal
7、ysis；localpattern；similaritymeasuredistancetransformation由于人臉識(shí)別技術(shù)具有低干擾性和高精確性?，在的模型選擇轉(zhuǎn)變?yōu)檩^為簡(jiǎn)單的變量選擇，應(yīng)用懲罰正則化很多場(chǎng)合下的應(yīng)用都高于其他生物識(shí)別方法，包括一些大技巧同步選擇鄰域和估計(jì)參數(shù)，實(shí)驗(yàn)顯示了基于高斯圖模范圍的應(yīng)用，比如護(hù)照、駕駛執(zhí)照鑒別、海關(guān)檢查等。型的紋理特征對(duì)紋理分析的有效性。但是，復(fù)雜的計(jì)算開隨著人臉識(shí)別技術(shù)的發(fā)展，基于紋理分析的方法得銷使其在應(yīng)用中受到了限制。結(jié)合紋理編碼，文獻(xiàn)[9]提到了越來越多的應(yīng)用。許多研究表明，紋理分析方法的應(yīng)出了一種基于統(tǒng)
8、一權(quán)值的紋理分析(TextureAna
