多尺度加权LBP的人脸识别

针对传统局部二值模型(LBP)算子容易受到周围噪声点的干扰的缺点,提出了首先对图像进行Gauss滤波预处理,去除图像中的干扰噪声。针对传统LBP算子无法提取出非局部特征信息,提出一种新的基于多尺度加权的改进LBP(MWLBP)算子。MWLBP算子以不同大小的方型邻域为研究对象,将不同大小区域的LBP直方图进行加权求和。MWLBP比传统LBP算子提取的特征范围更大,在提取了局部特征的同时,保留了一定的非局部特征。相对于Gabor和其它特征提取方法,MWLBP算子在保留了多尺度特征的同时,能控制计算量大小。在ORL和Yale人脸数据库上的实验表明,Gauss滤波预处理确实能去除图像中的干扰噪声,提高识别准确率;MWLBP算子比传统的LBP算子、Gabor和其它特征提取方法减少了计算量,加快了分类器训练和人脸识别的速度,提高了准确率。

一种用于人脸识别的基于主导近邻像素的局部Gabor空间直方图特征

对于实时性要求较高的人脸识别算法,图像特征表示不仅应该具有高的区分能力,还应该具有较小的空间维数.提出了一种基于主导近邻像素的局部Gabor空间直方图(LGSH-DNP)的图像特征表示方法.首先,对人脸图像进行Gabor滤波,滤波后图像上的每个像素用其邻近的两个最大的像素的位置表示并编码成该像素的描述符;然后,提取描述符所形成图像的空间直方图;最后,采用加权交集直方图相似度来度量空间直方图之间的距离,从而实现人脸图像识别.在人脸识别技术图像库上的实验结果表明,该图像特征算法具有较高的识别率和较低的计算复杂度.