人臉識別中局部特征提取方法研究.pdf

1、人臉識別技術(shù)是一種被廣泛接受的生物特征識別技術(shù)，由于具備成本低、實現(xiàn)簡單以及交互界面友好等一系列優(yōu)點，在金融、安全、以及門禁等方面得到了廣泛的應(yīng)用。但是由于人臉圖像容易受到自身及外界因素的影響，因而人臉識別中還有很多關(guān)鍵技術(shù)仍需進一步改進和完善。
　　人臉識別包括特征提取和特征匹配兩個階段，其中特征提取階段毫無疑問是整個人臉識別過程中的關(guān)鍵階段。特征提取方法大體上可以分為基于局部的特征提取方法和基于全局的特征提取方法。局部特征對光

2、照、表情、部分遮擋等的變化具有較好的魯棒性，因而在人臉識別中受到了廣泛的關(guān)注。Gabor特征作為一種典型的局部特征，因?qū)ν饨绛h(huán)境具有較好的魯棒性，在人臉識別中得到了廣泛的應(yīng)用，然而當(dāng)前的基于Gabor濾波的方法卻普遍存在計算復(fù)雜度過大的問題。另外，局部Monogenic信息中不僅包含較多的識別信息，而且具有計算復(fù)雜度低的優(yōu)點，在人臉識別中展現(xiàn)出了較好的應(yīng)用前景。本文以提取最有效的人臉識別特征為目的，研究了基于Gabor濾波和Monoge

3、nic濾波的特征提取方法，重點研究了如何從Gabor信息中提取較低維數(shù)的特征以及如何挖掘Monogenic特征在人臉識別中的潛力以充分利用Monogenic濾波后的多模式單演信息。同時，本文研究了運用線性判別分析(LinearDiscriminantAnalysis，LDA)對不同特征進行融合的方法以及復(fù)雜光照背景下的人臉識別方法。論文主要進行了以下幾個方面的研究工作:
　　1.為了降低提取的Gabor特征的維數(shù)以降低算法的復(fù)雜度

4、，提出了一種針對Gabor幅值的Gabor方向模式(GaborDirectionPatterns，GDP)算子。該算子對同一個中心頻率下八個不同方向上的幅值響應(yīng)進行編碼，由于這種編碼方式是對同一像素點不同濾波器上的響應(yīng)進行特征提取，因而提取的特征不僅具有更強的識別能力，而且能夠有效地對識別信息進行壓縮，極大地降低了算法的復(fù)雜度。
　　2.在研究Gabor響應(yīng)實部信息和虛部信息的基礎(chǔ)上，進一步對幅值GDP模式進行擴展，將改進的GDP

5、算子應(yīng)用于圖像Gabor濾波后的的實部和虛部，用于提取Gabor實部特征和虛部特征。為了利用兩種特征之間的互補性，采用線性判別分析在特征層級別上對提取的兩種特征進行融合，該方法不僅能夠有效地降低算法復(fù)雜度，而且能夠顯著地提高算法的識別性能。
　　3.為了充分利用單演濾波后的多模式信息，在研究局部量化模式(LocalQuantiziedPattern，LQP)的基礎(chǔ)上，提出了一種新的單演局部量化模式(MonogenicLocalQu

6、antizedPattern，M-LQP)在采樣層級別上對單演幅值、單演方向和單演相位信息進行融合。由于該模式表示組合了同一像素點的三種不同單演響應(yīng)，具有較強的表示能力，同時由于是在采樣級別上進行融合，因而該方法有效地降低了最終獲得的特征維數(shù)。
　　4.為了彌補已有的單演局部二值模式(MonogenicBinaryPatterns，MBP)特征對單演方向特征應(yīng)用不夠充分的缺陷，提出了一種新的增強型單演方向差分模式(Enhanced

7、PatternsofMonogenicOrientationDifferences，EPMOD)對單演方向進行特征提取。該模式充分考慮了像素點的單演方向與其鄰域像素點的單演方向的大小關(guān)系，并運用分裂三元模式提高了對方向信息的量化級別。文中并進一步運用基于分塊的線性判別分析(BlockBasedLinearDiscriminantAnalysis，BLDA)對MBP和EPMOD特征進行融合，有效地提高了算法的識別率。
　　5.為了提

8、高算法在復(fù)雜光照背景下的識別性能，在單演濾波的基礎(chǔ)上提出了單演定向幅值模式(PatternsofMonogenicOrientedMagnitudes，PMOM)算子。該算子首先對單演方向進行量化，并通過對局部區(qū)域內(nèi)同一方向區(qū)間下的單演幅度累加值提取局部紋理特征以獲取對光照變化魯棒的局部特征。實驗表明該算法能夠有效克服非均勻光照變化對人臉識別的影響。
　　綜上所述，本文從提取人臉局部特征的角度展開了相關(guān)研究，分別圍繞圖像的Gabo