论文部分内容阅读
人脸识别是目前模式识别领域的一个研究热点,已经被广泛应用于诸多领域。人脸特征提取是人脸识别系统的关键环节之一。人脸的纹理特征具有较高的鉴别性,所以提取人脸图像的纹理特征往往能得到良好的分类识别效果。图像的纹理特征提取方法一般可归类为统计方法、模型方法、结构方法、信号处理方法4个大类。在过去几十年的研究中,人们创造出了很多有效的纹理特征提取方法,其中许多方法不但具有良好的特征鉴别能力还有计算复杂度低,特征维数小等优点。局部二值模式(LBP)是一种计算复杂度小,对纹理描述性能较强的特征提取算法。在机器视觉中表现出良好的性能,并广泛应用于人脸识别、指纹识别、图像检索等领域。局部三值模式(LTP)是一种扩展的LBP算法,通过增加了一个阈值在一定程度上抵抗了噪声的影响。但是LTP方法与LBP方法只能在一定粗细度上才能有效的描述纹理特征。本文提出了一种基于多尺度像素块加权的LTP方法。该方法能够根据图像的自身情况,由粗到细更全面的描述纹理特征,并利用PCA算法对改进后的LTP算子进行降维。在此基础上,针对LTP方法中阈值选取往往较为困难的问题,提出了一个自动选取LTP阈值的方法。最后,针对LTP方法并不能有效的从全局描述图像的信息,提出了一种融合DCT和改进LTP的纹理特征提取方法。人脸图像属于是一种较为不规则纹理图像,应用该方法能较好的描述人脸。本文在ORL和YALE标准人脸库上对此方法进行了验证。实验结果表明应用该方法进行人脸特征提取并结合最近邻分类法得到了较高的识别率。