一种人脸图像凸凹模式纹理特征提取及识别方法

文档序号:8905485阅读:1144来源:国知局
一种人脸图像凸凹模式纹理特征提取及识别方法
【技术领域】
[0001] 本发明设及一种人脸图像凸凹模式纹理特征提取及识别方法,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.Pi別化扯le打,T.Miicnp邮"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Gabor滤波器和一些数据降维算法结合起来[ZhangWC,ShanSG,GaoW,etal.LocalGaborBinaryPatternHistogramSequence. (LGBPHS);ANovel Non-StatisticalModelforFaceRepresentationand民ecognition[C]Procofthe 10thIEEEInt' 1ConfonComputerVision,2005 ;786-791.瓜Zhang,S.Shan,X. Chen,andW.Gao,"HistogramofGaborPhasePatterns(HGPP):Anovelobject represent过tion过ppro过chforf过cerecognition,,,IEEETr过ns.Im过geProcess.,vol. 1 6,no. 1,pp. 57 - 68, 2007.]。
[0003] LBP仅仅考虑图像纹理的一阶微分信息,本发明的目的在于提供一种基于图像局 部凸凹特征的图像多分辨率局部凸凹模式(Multi-resolutionlocalconvex-andconcave pattern,Multi-resolutionLCCP)纹理描述方法,该方法能描述图像纹理的二阶微分信 息。人脸识别方面的实验表明该方法进行人脸识别时计算复杂度低,识别精度高,对光照具 有不敏感性。

【发明内容】

[0004] 本发明提供了一种人脸图像凸凹模式纹理特征提取及识别方法,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,本发明提出的局 部凸凹模式能有效描述图像的二阶微分特征。
[0005] 本发明人脸图像凸凹模式纹理特征提取及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,并对此局部差分进行凸凹特 性编码,得到此像素点的多分辨率局部凸凹特性(Multi-resolutionlocalconvex-and concavepattern,Multi-resolutionLCCP),依次计算图像块中每个像素点的多分辨 率局部凸凹特性,得到图像块的多分辨率局部凸凹特性矩阵(Multi-resolutionlocal convex-andconcavepatternmatrix,MLCCPM),然后再对图像块的多分辨率局部凸凹特性 矩阵(MLCCPM)提取直方图特征向量,得到图像块的直方图特征向量;接下来将每个图像块 的直方图特征向量依次连接起来,得到原始图像的直方图特征向量,最后把该特征向量送 入基于卡方统计量的最近邻分类器进行分类识别。
[0006] 所述人脸图像凸凹模式纹理特征提取及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…(i= 0, 1,2,…,15);
[0008] Step2、对各分块图像进行双线性插值,使得每个像素点能构建关于该像素点对称 的8个方向;
[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Pi1,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Q0,插 值公式如下:
[0010]
[001引其中^^,,4;和^0。分别表示而,32和馬。位置处的像素值,Xi,义和义2分别表示像 素点Pii,Ri和P21处的横坐标,y1,y和y2分别表示像素点P11,Q。和P。处的纵坐标。图3表 示原始图像中像素X。周围存在P。,Pi,?2, ?3,P" ?5,Pe和P声个近邻点,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, 03, 04, 05,Qe和Q声个插值 点,故插值后像素X。周围一共存在16个近邻点,能得到8个关于像素X。的对称方向。由于 增加了插值点,对图像的分辨率增强了;
[0014] Step3、然后计算每个像素点沿不同方向的局部差分,图像块中像素点X。沿八个 方向的局部差分为;Jj-。-0.5*咕+J&4)和J而-化解,+/&J,其中i= 0, 1,2, 3和j= 0, 1,2, 3 ;
[001引其中,/x。棄示图像中X。处的像素值,和表示图像中Pi和Pi+4处的像素值, 和4表示图像中A郝QW处的像素值;
[00
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1