一种基于完备局部凸凹模式的光照人脸识别方法
【技术领域】
[0001] 本发明设及一种基于完备局部凸凹模式的光照人脸识别方法，属于模式识别技术 领域。
【背景技术】
[0002] 局部二值模式（Xocalbinarypattern,LBF〇[LWangandD.C.He,"Texture classificationusingtexturespectrum"，Pattern民ecognition,vol. 23， pp. 905-910, 1990.]是一种重要的图像特征提取算子，具有计算量小和有效的特点。尽管 LBP在计算机视觉和模式识别领域已经获得了很大的成功，但其工作机制仍有值得改进么 处。显性局部二值模式dominantlocalbinarypatterns,DLBF0 [S.Liao,M.W.K.Law,and A.C.S.Chung，"Dominantlocalbinarypatternsfortextureclassification，''IEEE hans.ImageProcess.，vol. 18,no. 5,pp. 1107 - 1118,May2009.]在统计图像的LBP所有 模式基础上，筛选出较高频率的模式，并把累积频率达到80%的高频率模式组成最终的特 征向量。LBP只考虑到中屯、像素与周围像素差值的符号信息，完备局部二值模式（Completed localbinarypattern,CLBP) [Z.Guo,L.ZhangandD.Zhang,"Acompletedmodeling oflocalbinarypatternoperatorfortextureclassification，''IEEETrans.Image 化ocess.，vol. 19,no. 6,pp. 1657-1663, 2010.]不仅考虑了符号信息，还考虑了差值的幅 度信息及中屯、像素点的特征。LBP提取的是图像的一阶微分信息，局部微分模式化ocal derivativepattern,LDP)[B.Zhang,Y.Gao,S.Zhao,andJ.Liu,"Localderivative patternversuslocalbinarypattern:Facerecognitionwithhigher-order localpatterndescriptor，，，IEEETrans.ImageProcess. ,vol. 19,no. 2,pp. 533 -544,Feb. 2010.]改进了LBP算法，提取了图像的二阶微分信息。为了减少LBP算法 中模式的数目，研究人员提出了中屯、对称局部微分模式（Center-SymmetricLocal derivativePattern,CS-LDP) [G.Xue,L.Song,J.Sun,M.Wu，HybridCenter-Symmetric LocalPatternforDynamicBackgroundSubtraction，ICME，Barcelona，Spain(201 ]_)，pp. 1 - 6,July2011.]和中屯、对称局部二值模式算法（Center-symmetriclocal binarypattern,CS-LBP)[MarkoH,MattiP,CordeliaS.Descriptionofinterest regionswithcenter-symmetriclocalbinarypattern[C]//ConferenceonComputer VisionGraphicsandImageProcessing.2006,4338:58-69]。局部二值计数（Xocal binarycount,LBC)[ZhaoY,HuangDS，JiaW,"Completedlocalbinarycountfor rotationinvarianttextureclassification, ''IEEETrans.ImageProcess.，vol. 21 ，no. 10,pp. 4492-4497, 2012.]只考虑二值模式中模式为"1"的个数。统一局部二值模 式减少了模式数目，减少了计算量[T.Ojala，M.邮川础ncn，T.VHic'npiHi,"Grayscaleand rotationinvarianttextureclassificationwithlocalbinarypatterns，in:D. Vernon(Ed.)，ProceedingsoftheSixthEuropeanConferenceonComputerVision (ECCV2000)，Dublin,Ireland,pp. 404 - 420, 2000.]。为了增强LBP算法所提取纹理的鉴 别性，LBP算法也与G油or滤波器和一些数据降维算法结合起来[ZhangWC，化anSG，GaoW，etal.LocalGaborBinaryPatternHistogramSequence. (LGBPHS)；A Novel Non-StatisticalModelforFaceRepresentationandRecognition[C]Procofthe 10thIEEEInt' 1ConfonComputerVision，2005 ;786-791. ；B.Zhang,S.Shan,X. Chen,andW.Gao,"HistogramofGaborPhasePatterns(HGPP):Anovelobject representationapproachforfacerecognition, "IEEETrans.ImageProcess. ,vol.1 6,no. 1,pp. 57 - 68, 2007. ] 〇
[0003] LBP仅仅考虑图像的一阶微分信息，本发明的目的在于提供一种基于图像完备局 部凸凹特征（CompletedLocalconvex-and-concavePattern,化CCP)的人脸图像二阶微 分纹理特征描述方法。
【发明内容】
[0004] 本发明提供了一种基于完备局部凸凹模式的光照人脸识别方法，W用于解决光照 环境下人脸识别问题。针对局部二值模式仅能描述图像一阶微分的缺陷，本发明提出的完 备局部凸凹模式能有效描述图像的二阶微分特征。完备局部凸凹模式不仅考虑了局部差值 的符号信息，而且考虑了差值的幅度特性，还考虑到了中屯、像素点的鉴别性。
[0005] 本发明基于完备局部凸凹模式的光照人脸识别方法是该样实现的；首先对图像进 行分块；然后对各分块图像进行双线性插值，使得图像中每个像素点能构建8个对称方向， 接着计算分块图像中每个像素点沿8个方向局部差分；然后编码此局部差分的符号特征 CLCCP_S和幅度特征化CCP_M;对各图像块的每个像素点进行编码，得到各图像块的中屯、像 素特征CLCCP-C;接下来对各分块图像的CLCCP_S，化CCP_M和CLCCP_C特征矩阵提取直方 图特征向量，依次连接该分块图像化CCP_S，CLCCP_S和化CCP_C特征的直方图特征向量得 到各分块图像的直方图特征向量；最后连接各分块图像的直方图特征向量得到此原始图像 的直方图特征向量，把该特征向量送入基于卡方统计量的最近邻分类器进行分类，来识别 原始人脸图像的身份。
[0006] 所述基于完备局部凸凹模式的光照人脸识别方法的具体步骤如下：
[0007] St巧1、首先将图像进行分块；把图像JW均匀分成4X4的无重叠方块，一共16 块，表示为/;/'(/ = 〇，1，2,…，15);
[0008] Step2、对各分块图像进行双线性插值运算，使得每个像素点能构建关于该像素点 对称的8个方向，然后计算每个像素点沿不同方向的局部差分，将该局部差分分解为符号 部分和和幅度部分；
[000引如图2所示，像素点Pi和P之间通过插值可W增加像素点Q1。插值方法如图4所 示，其中Pii，P。，P21，P22是图像中原始的四个相邻像素点，通过插值方法插出新像素点Q。。 插值公式如下：
[0012]
[001引其中4,，和分别表示Ri，R2和位置处的像素值，Xi，X和X2分别表示像素 点P。，Ri和P21处的横坐标，y1，y和y2分别表示像素点P11，Qci和P12处的纵坐标。图3表示 原始图像中像素X。周围存在P。，Pi，P2,P3,P4,Ps，Pe和P7 8个近邻点，仅能构成四个关于像 素X。的对称方向。图2表示插值后像素X。周围存在Q。，Qi，Q2, 04, 05,Qe和Q7 8个插值 点，故插值后像素X。周围一共存在