| 分块CS-LBP和加权PCA的低分辨率人脸识别 |
| |
| 引用本文： | 李嘉頔,陈振学,刘成云.分块CS-LBP和加权PCA的低分辨率人脸识别[J].光电子．激光,2016(2):210-216. |
| |
| 作者姓名： | 李嘉頔 陈振学 刘成云 |
| |
| 作者单位： | 山东大学 控制科学与工程学院,山东 济南 250061;山东大学 控制科学与工程学院,山东 济南 250061 ;浙江大学 CAD&CG国家重点实 验室,浙江 杭州 310058;山东大学 控制科学与工程学院,山东 济南 250061 ;南京理工大学 高维信息智能感知与系统教育部重点实验室, 南京 210094 |
| |
| 基金项目： | 国家自然科学基金(61203261和61273277)、山东省自然科学基金(ZR2012FQ003)、浙江大学CAD&CG国家重点实验室开放基金(A1514)和南京理工大学高维信息智能感知与系统教育部重点实验室创新基金(201501)资助项目 (1.山东大学 控制科学与工程学院,山东 济南 250061； 2.浙江大学 CAD&CG国家重点实验室,浙江 杭州 310058； 3.南京理工大学 高维信息智能感知与系统教育部重点实验室, 南京 210094) |
| |
| 摘 要： | 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。
|
| 关 键 词： | 低分辨率 人脸识别 中心对称局部二值模式(CS-LBP)算子 分块LBP 加权主成分分 析(PCA) |
| 收稿时间： | 2015/9/27 0:00:00 |
Low-resolution face recognition based on blocking CS-LBP and weighted PCA algo rithm |
| |
| LI Jia-di,CHEN Zhen-xue and LIU Cheng-yun.Low-resolution face recognition based on blocking CS-LBP and weighted PCA algo rithm[J].Journal of Optoelectronics·laser,2016(2):210-216. |
| |
| Authors: | LI Jia-di CHEN Zhen-xue and LIU Cheng-yun |
| |
| Affiliation: | Control Science and Engineering School,Shandong University,Jinan 250061,C hina;Control Science and Engineering School,Shandong University,Jinan 250061,C hina ;State Key Lab.of CAD&CG,Zhejiang University,Hangzhou 310058,China;Control Science and Engineering School,Shandong University,Jinan 250061,C hina ;Key Laboratory of Intelligent Perception and Systems for High-Dimensional Informat ion of Ministry of Education,Nanjing University of Science and Technology,Nanjin g,210094,China |
| |
| Abstract: | To improve the recognition accuracy of Local Binary Pattern (LBP) on low-resolution face recognition.A novel method is proposed in this paper by com bining blocking center symmetric local binary pattern (CS-LBP) and weighted principal component analysis (PCA).Firstly,the features of low-resolution face images are extracte d by blocking CS-LBP operator.Secondly,the stronger classification and lower dimension features can be got by applying weighted PCA algorithm.Finally the distance is calculated and used to select the optimal clas sification categories of low-r esolution face set by using the nearest neighbor classifier.Besides, the recognition rate also can be calculated.The experimental results in the ORL human face database show that recognition rate can reach 85.00% when resolution of face image drops to (12×10),which can basically s atisfy the practical requirements of recognition and reduce computation time on low-resolution face recognition. |
| |
| Keywords: | low-resolution face recognition center symmetric local binary pattern (CS-LB P) blocking LBP weighted principal component analysis (PCA) |
|
| 点击此处可从《光电子．激光》浏览原始摘要信息 |
|
点击此处可从《光电子．激光》下载全文 |
|
