结合分块LBP与投影字典对学习的表情识别

针对字典学习和分类过程所采用的表示系数l1范数稀疏约束求解过程代价过高的问题,同时为获取更有效的表情相关特征来进行字典学习,提出一种结合分块LBP特征与投影字典对学习的表情识别方法。提取图像的分块LBP特征替代原始数据样本,用来训练和测试。学习一个分析字典和一个综合字典,分析字典可求得表示系数,综合字典具备重构能力。利用综合字典和分析字典求出各类别的重构误差进行分类,从而实现人脸表情识别。在JAFFE和CK+数据库上的实验结果表明,与其他方法相比,所提出的方法不仅可以大大降低训练和测试阶段的时间复杂度,而且可以在分类任务中达到更高的识别率。

基于分块LBP的树种识别研究

本文基于获取便捷的木材体视图进行木材树种自动识别研究。首先对木材图像进行标准化预处理,然后采用分块LBP提取特征,分别使用欧式、卡方、衰减3种不同的距离进行分类,最后采用最近邻进行识别。讨论了木材图像特征分块方式对识别结果的影响,并比较了在不同距离下的识别效果。结果表明:采取不同的分块方式对最终的分类影响较大,其中沿着年轮线方向上的分块呈现下降趋势,而在垂直年轮线方向上进行适当的分块可以提高分类的识别率;采用卡方距离可以得到最好的识别率,最高可达93.3%,比欧式距离高出2.5%。

基于分块LBP融合特征和SVM的人脸识别算法

针对传统局部二值模式(LBP)特征提取方法在光线和人脸表情变化的情况下表现不佳、单一方法提取出的特征不能多角度表现出整张人脸的特征信息的问题,提出一种基于分块LBP融合特征和支持向量机(SVM)的人脸识别方法。先将人脸图像划分为不同的块,对每一块提取LBP特征;然后将不同分块的像素均值特征与LBP特征进行融合,用融合后的特征向量来表征人脸;最后引入SVM作为分类器对上述特征进行分类。在YALE、ORL标准人脸库以及自建人脸库上进行实验验证,实验结果表明:该方法识别准确率分别能达到95. 15%,99. 75%,96. 25%,对比实验显示,该方法优于C4. 5决策树、随机森林等传统方法。

分块LBP的素描人脸识别

目的素描人脸识别属于异质人脸识别范畴,是刑侦领域的研究热点。根据素描人脸识别的特点,采用分块局部二值模式(LBP)特征,并用Ada Boost算法提取能有效鉴别素描人脸图像和可见光人脸图像对应关系的特征块。方法对素描图像和可见光图像配准后,进行分块处理,计算每块的LBP直方图,将LBP直方图作为Ada Boost待选择特征。计算素描图像子块与可见光图像子块之间的Log概率统计,利用Ada Boost算法进行特征提取,逐步挑选能有效识别的特征子块,并把这些优选特征子块用于未知素描人脸识别。结果利用现有的素描人脸库,分别进行非交叉和交叉实验验证,识别率分别达到99%以及100%,证明了本文算法的有效性。结论该算法经优化后,可用于素描人脸识别。

基于分块加权的LBP算法在人脸识别中的应用

目前,高智能化的人脸识别系统一般都是基于PC平台,系统复杂集成度高,需要优异的软硬件支持。嵌入式技术的应用,有利于提高人脸识别系统的灵活性与有效性。本文针对传统的人脸识别算法提出一种改进的LBP算法用于人脸识别。实验结果表明:该算法在ORL、Yale及自建的人脸库上也能进行人脸识别。

分块CS-LBP和加权PCA的低分辨率人脸识别

针对局部二值模式(LBP)特征在低分辨率的人脸图像上识别率较低的问题,提出了一种基于分块中心对称局部二值模式(CS-LBP,center symmetric local binary pattern)和加权主成分分析(PCA)算法的低分辨率人脸识别算法。首先利用分块CS-LBP算子提取低分辨率人脸图像的特征;然后利用加权PCA算子对特征进行降维,从而得到更强的分类特征;最后利用最近邻分类器选出人脸最优分类类别并计算识别率。在ORL人脸库上的实验表明,在人脸图像分辨率下降到(12×10)时,本文算法的识别率仍能达到85.00%,基本满足了实际运用中对识别率的要求,并且降低了运算时间。