人脸识别是一种友好的生物特征识别技术,在身份验证等领域有非常大的应用前景,人脸识别算法研究是模式识别、计算机视觉和图像处理等领域的研究热点。经过国内外研究学者多年的努力,目前,在可控的环境下,人脸识别算法基本可以满足要求。然而,在不可控的自然环境中,人脸识别面临着光照变化、姿态变化、表情变化和遮挡等因素的挑战。作为一种有效的人脸描述算子,局部方向模式(Local Direction Pattern,LDP)提升了局部二值模式(Local Binary Pattern,LBP)描述算子的鲁棒性,但其存在固有的缺陷。论文在分析对比了LBP、LDP等描述算子的基础上,提出基于改进的局部方向模式人脸识别算法。论文主要研究内容包括:(1)提出一种非采样Shearlet变换(Nonsubsampled Shearlet Transform,NSST)与中心对称局部方向模式相结合的人脸识别算法。首先采用NSST分解人脸图像,得到低频子带图像和高频子带图像,然后计算子带图像中心对称局部方向模式,分块统计直方图特征信息,将直方图串接起来作为人脸图像的特征向量,最后利用最近邻分类器分类识别。实验结果表明所提方法简单有效,对姿态、光照和表情变化具有较好识别效果。(2)提出一种结合纹理特征和边缘特征的人脸描述算子ε–WLBD(εWeber Local Binary Descriptor)。首先分别用改进的局部二值模式和改进的Kirsch算子进行纹理特征和边缘特征提取,然后分别进行直方图统计,并将其串接起来作为人脸识别的总体特征向量,最后利用最近邻算法进行分类识别。实验结果表明所提方法简单有效,对姿态、表情、遮挡和光照等变化具有较好识别效果。(3)提出一种基于中心对称梯度幅值相位模式(Center-Symmetric Gradient Magnitude and Phase pattern,CSGMP)的单样本人脸识别算法。首先,提取人脸图像的梯度幅值和相位信息;然后,用中心对称局部方向模式算子对梯度幅值进行编码,再将梯度相位量化到八个区间进行编码,将二者融合形成人脸图像的CSGMP特征;最后,分块统计直方图特征信息,将所有块的直方图串联后作为人脸图像的特征向量,利用最近邻分类器分类识别。结果表明所提方法简单有效,对光照变化、表情变化和部分遮挡等环境下具有较好的效果。