论文****
****硕士毕业论文
对于的人单演滤波与局部量化方式相结合的人脸识别办法****职称论文范文参考
当前位置:中国时代论文网 >> 论文下载 >> 计算机论文 >> 浏览文章
对于的人单演滤波与局部量化方式相结合的人脸识别办法****职称论文

论文导读:actions on Signal Processing, 2001, 49(12):3136-3144.  YANG M, ZHANG L, ZHANG L, et al. Monogenic Binary Pattern (MBP): a novel feature extraction a1 2 下一页

  摘要:针对传统人脸识别方法提取的特征维数较高和计算量较大的缺点,提出了一种基于单演滤波与局部量化模式(LQP)相结合的人脸特征提取方法。首先,通过对人脸图像进行多尺度的单演滤波获得图像的包括局部幅值、局部方向和局部相位的多模式单演特征;然后,用LQP算子对图像中的每个像素点的三种单演特征进行编码,得到每个尺度滤波器下的LQP模式图;最后,将这些LQP模式图分块、统计每一块的直方图并级联作为人脸识别特征。在ORL和CASPEAL人脸库上对所提算法进行的测试结果表明,该算法能够以较低维数的特征取得较高的识别率,可以有效降低算法的计算复杂度。

  关键词:人脸识别; 单演滤波; 局部量化模式;k均值聚类;码本

  :A

  0引言

  人脸识别由于具有方便、快捷以及信息采集方式友好等优点而成为生物特征识别技术中研究的热点。经过多年发展,该领域的研究人员已经提出了许多有效地人脸识别算法。这些方法大致上可以分为两类:一类是基于局部特征的方法,如尺度不变特征转换(Scaleinvariant Feature Transform, SIFT)、局部二值模式(Local Binary Pattern, LBP)等;另一类是基于全局特征的方法,如主成分分析法(Principal Component Analysis, PCA)[3]、线性判别分析法(Linear Discriminant Analysis,LDA)[4]等。

  二维Gabor小波具有优良的空间局部性、空间频率及方向选择性,能够获得鲁棒的人脸特征表示;因而一些基于Gabor滤波的人脸识别方法都取得了比较好的识别效果,典型的如文献[5-6]中提出的LGBP(Local Gabor Binary Pattern)、LGXP(Local Gabor XOR Pattern)等。但是基于Gabor的方法往往具有较高的时间和空间复杂度(通常使用5种频率8种方向的小波核对人脸图像进行卷积),因而在实际应用中往往受到限制。文献[7]于2001年首次提出具有旋转不变性的单演信号(monogenic signal)可以描绘图像的区域特征。文献[8-9]将单演滤波用于人脸识别,均取得了较好的识别效果。同时基于单演滤波的方法比基于Gabor滤波的方法能够极大地降低算法的时间复杂度和空间复杂度。但是文献[8]中的编码方式却未能对单演滤波产生的相位信息加以利用,而文献[9]中对多种单演信息分别采样并在得分级别进行融合的方式使算法变得复杂。LBP算子虽然操作简单但是其有限的采样个数使得难以对单演滤波后产生的多模式信息同时进行采样。文献[10]在2012年提出了一种新的局部模式算子——局部量化模式(Local Quantiztative Pattern, LQP),它是一种通过查表实现的基于矢量量化的编码模式。LQP解决了LBP采样空间有限且模式种数随着采样点个数增加而呈指数级膨胀的问题,可以在不牺牲计算复杂度的情况下对更大的局部模式进行编码。文献[10-11]中的实验表明,LQP在纹理分类、目标检测以及人脸识别等方面均表现出了极好的性能。

  结合单演滤波速度快等优点以及LQP在采样方面的优势,本文提出了将单演滤波与局部量化模式相结合的人脸识别算法——单演局部量化模式(Monogenic LQP,MLQP)算法。该算法基本思路是通过对图像进行单演滤波来获得图像的三种局部模式图,然后用LQP算子在对三种模式图中的局部特征在采样级别上进行融合获取最终LQP模式图,最后对LQP模式图分块并提取直方图特征并用最近邻分类法进行人脸特征匹配。这种编码方式可以充分利用单演滤波后的三种模式信息,而且在采样级别上对特征进行融合的方式比文献[9]在得分级别上融合的方法可以更有地效降低算法的复杂度。在ORL人脸库和CASPEAL人脸库上的评测结果证明了该算法的有效性。

  1单演信号理论

  5结语

  本文提出了一种Monogenic与LQP相结合的人脸特征提取方法,与Gabor小波相比,单演信号分析能够以更快的滤波速度提取图像的局部特征。对图像单演滤波后,采用LQP算子对滤波后产生的各种单演模式图进行特征提取和融合,并通过分块统计直方图的方法获得人脸的识别特征,最后用最近邻分类器实现人脸匹配。在ORL及CASPEAL人脸数据库上的实验结果表明了本文算法的有效性。另外,还可以考虑将本文方法与PCA、LDA等方法相结合,以达到进一步降维和提升识别率的目的,这将是下一步工作的重点。

  参考文献:

  KRIZAJ J, STRUC V, P**ESIC N. Adaptation of SIFT features for robust face recognition [C]// ICAR 2010: Proceedings of the 7th International Conference on Image Analysis and Recognition. Berlin:SpringerVerlag,2010:394-404.

  AHONEN T, HADID A, PIETIKAINEN M. Face description with local binary patterns: application to face recognition [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2006, 28(12):2037-2041.

  [3]王正群,邹军,刘风. 基于集成主成分分析的人脸识别[J].计算机应用,2008,28(1):120-124.

  [4]BELHUMEUR P N, HESPANHA J P, KRIECMAN D J. Eigenfaces vs. Fisherfaces: recognition using class specific linear projection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1997,19(7):711-720.   [5]ZHANG W C, SHAN S G, GAO W,et al. Local Gabor Binary Pattern Histogram Sequence (LGBPHS): a novel nonstatistical model for face representation and recognition[C]// ICCV 2005: Proceedings of the Tenth IEEE International Conference on Computer Vision. Washington, DC: IEEE Computer Society, 2005, 2005:786-791.

  [6]XIE S F, SHAN S G, CHEN X L, et al. Fusing local patterns of Gabor magnitude and phase for face recognition[J]. IEEE Transactions on Image Processing,2010,19(5):1349-1361.

  [7]FELSBERG M, G.SOMMER. The monogenic signal [J]. IEEE Transactions on Signal Processing, 2001, 49(12):3136-3144.

  [8]YANG M, ZHANG L, ZHANG L, et al. Monogenic Binary Pattern (MBP): a novel feature extraction a
对于的人单演滤波与局部量化方式相结合的人脸识别办法****职称论文

本科毕业论文**** ****硕士毕业论文 首先中国时代论文网(http://www.dfholiday.com)!