基于LBP算法的人脸识别研究

随着计算机和信息技术的快速发展，人脸识别技术越来越受到重视，本文主要研究了人脸在不同光照、不同表情下的特征提取与识别的一些关键问题，提出了一些改进方法，并通过实验进行了可靠性验证. 针对LBP算法提取人脸图像的表情特征信息时会丢失特殊的特征信息的缺点，本文提出了多重局部二值模式的人脸表情识别方法（Multiple Local Binary Patterns，MILBP），该方法在保持LBP算法优点的前提下，通过增加一位二值编码，利用中心像素点作用以及邻域像素点灰度值之间的关系，得出特征向量图. 实验结果表明MLBP算法比LBP算法描述的表情纹理图像更加均匀，且识别率约提高10%. 针对人脸表情图像进行纹理特征提取时的模块大小划分问题，本文提出将MLBP算法与Harr小波分解相结合，该方法首先将表情图像进行Har小波分解，得到四幅不同频率的子图像，然后对其中三幅图像进行MLBP特征提取，并将得到的特征值串联形成表情图像的特征向量。实验结果表明该方法比MLBP方法直接提取表情特征所产生的特征向量的维数减少了25%，特征提取和识别的速率提高了，其中识别率约提高了9%. 人脸识别研究中的识别率容易受光照强度的影响，针对MLBP算法在光照变化时具有旋转不变性，以及Gabor小波能提供空间位置、空间频率的特性，本文提出了多重局部Gabor二值模式方法（Multiple Local Gabor Binary Pattern，M LGBP），该方法先对人脸图像使用Gabor小波进行变换处理，保留受光照影响较小的高频部分，然后再采用MLBP算法对Gabor提取后的图像采用分块编码，最后得到联合直方图序列，获得丰富的局部特征信息，实验结果表明了该算法有效的降低了光照对识别率的影响，提高了光照不均匀时的人险识别率，且在特征提取方面比Gabor等算法更加有效.