基于单演主方向中心对称局部二值模式的单样本人脸识别

本文针对单样本情况下传统人脸识别方法在姿态、表情和光照等变化下识别效果不佳的问题,提出一种基于单演主方向中心对称局部二值模式的单样本人脸识别模式的单样本人脸识别算法.首先用多尺度的单演滤波器提取人脸图像单演局部幅值和局部方向信息,并求取主方向,生成主方向模式图;然后用CS-LBP算子进行编码,得到特征;最后对不同单演尺度空间中的特征分块统计特征直方图并运用直方图相交进行分类识别.在AR、Extend Yale B人脸数据库的实验结果表明,该算法简单有效,对光照、表情、部分遮挡变化具有较好的鲁棒性.     

基于ILDP的噪声鲁棒人脸识别

针对局部方向模式(LDP)采样不充分和对噪声敏感的缺点,提出了一种改进的LDP(ILDP)人脸描述方法,利用局部井型邻域的梯度信息描述人脸特征。首先,将中心像素的井型邻域根据采样半径分成两个3×3的子邻域,每个子邻域包含按照原来相对位置排列的8个像素;然后,将两个子邻域与Kirsch模板卷积分别得到两组边缘梯度值,ILDP仅使用两组梯度值中各自最大值的方向编码成一个二位八进制数,产生ILDP码;最后,在人脸描述阶段将人脸图像进行分块并把每块转换成ILDP图,再对ILDP图进行直方图统计,将所有子块的直方图连接生成人脸特征。实验结果表明,ILDP比其它同类基于局部纹理特征的单一人脸描述器在对抗随机噪声方面更具鲁棒性。     

基于改进的子模式局部保持映射人脸识别方法

虽然子模式局部保持映射算法(Sub-pattern Locality Preserving Projections,SpLPP)对外部因素如光照、表情等变化具有较好的鲁棒性,但是流形的LPP在人脸识别过程中常常碰到奇异值问题,所以提出了一种利用奇异值分解的SpLPP方法,以此解决奇异值问题。该算法的关键点是将样本数据映射到一个非奇异正交矩阵中,然后再根据SpLPP求出新样本空间的低维投影子空间。在标准人脸数据库(ORL、YALE)上进行验证,实验结果表明改进的子模式局部保持映射算法在人脸识别中的有效性。     

局部方向二值模式结合协同表示的3D掌纹识别

针对三维掌纹特征表示准确性差的问题,提出一种局部方向二值模式（Local Orientation Binary Pattern,LOBP）结合协同表示（Collaborative Representation,CR）的3D掌纹识别方法。利用掌纹主方向和方向置信度的编码来共同表达掌纹的方向信息,从而有效提高方向编码的准确性。使用表面类型编码来刻画掌纹的结构,充分表达掌纹的几何特征。最后,在分类识别时通过协同表示的方法将特征结合进而完成掌纹识别。在香港理工大学3D掌纹库上进行实验,结果表明获得的平均识别率最高可达99.55%,平均识别时间为0.874 9 s。所提方法可以在保持较低识别时间的同时提高3D掌纹的识别精度。     

基于改进多块局部二进制模式的人眼定位算法

人眼定位是人脸识别系统中必须解决的问题,为了提高人眼定位的精确度和速度,提出一种基于改进多块局部二进制模式的眼睛中心定位算法。该算法构建了所有可能的弱分类器作为多分支的树枝,然后通过三个强分类器和迭代计算确认眼睛中心点。基于标准Bio ID和FERET图像数据库,将提出算法与其他两种方法进行比较,实验结果显示提出方法的精确度更高。失真图像的测试结果表明,对噪声失真而言,提出的算法足够稳健。     

基于局部边缘二值模式的图像检索

在定义局部边缘的基础上提出了局部边缘二值模式(LEBP),并结合Gabor滤波器将其扩展到多分辨率LEBP(MLEBP)。对传统的中心对称局部二值模式(CS-LBP)和方向局部二值模式(D-LBP)进行了改进,新描述符在不增加计算复杂度和提高特征维数的基础上,进一步融入了局部边缘信息。为验证新描述符的性能,采用3个通用的纹理图像库进行图像检索实验。结果表明,结合本文方法,明显提高了传统描述符的分辨能力。     

基于局部三值微分模式的人脸识别方法

为了减轻噪声干扰,提取更为丰富的人脸鉴别特征,提出了局部三值微分模式算子。通过判断近邻像素灰度值是否在某个范围内对当前像素的局部微分模式从二值扩展到三值,然后将扩展后编码的Uniform模式的空间直方图依次相连形成人脸的特征向量,采用卡方统计算样本相似度并进行分类。在ORL、Yale和CAS-PEAL-R1人脸数据库上的实验结果表明,提出的算法的识别性能优于局部二值模式和局部微分模式。     

一种改进的LDP面部表情特征提取方法

特征提取是面部表情分类识别的研究重点.针对原始局部方向模式(Local Directional Pattern,LDP)特征提取速率缓慢的问题,对LDP的编码方案进行改进,设计了nLDP (new Local Directional Pattern)算子.选择Kirsch算子的4个方向模板来获取边缘响应值,然后将正的边缘响应置为1,负的边缘响应置为0,从而获得nLDP特征表示,最后采用支持向量机(SVM)对表情进行识别.实验结果验证了提出的nLDP算子在保证表情识别准确率的同时,有效地提高了表情识别的速率.     

基于改进方向纹理谱特征的图像检索

在定义图像局部邻域纹理方向特性的基础上,提出了一种新的方向纹理谱描述符。该描述符针对局部邻域内中心像素与其相对的邻域像素,既充分考虑了它们间的灰度变化关系,又考虑了它们间灰度差异的变化关系,从而更有效地描述了局部纹理特征。为证明新描述符的分辨能力,采用4种不同图像库进行图像检索对比实验,结果表明,本文的新纹理谱描述符取得了最好的检索效果。     

基于显著性局部定向模式和深度学习的鲁棒人脸识别

针对传统人脸识别算法特征提取不充分和对噪声敏 感的问题,提出了一种基于显著性局部定向模式(SLDP)和深 度学习(DL)的人脸识别算法。首先基于信息的显著性提出一种改进的SLDP人脸描述方法,在 利用局部井型 领域梯度信息的基础上,使用两组梯度值中各自最大值和次大值的方向编码成二位八进制数 ,从而形成改进的 SLDP编码,通过统计选出最具有显著性的SLDP编码作为特征向量;然后将改进的SLDP编码作 为深度神经网 络(DBN)的输入,通过逐层贪婪训练网络,获得良好的网络参数,并用训练好的网络对测试 样本进行预测。仿真实验表明, 本文所提出的人脸识别算法相对于传统识别算法识别率高,并且在对抗噪声方面比其它算法 更具有鲁棒性。     

采用自适应加权扩展LBP的单样本人脸识别

提出了一种采用自适应加权扩展LBP(AWELBP,adaptively weighted extended local binarypattern)的单样本人脸描述方法,首先对单样本的人脸图像进行多尺度分块,对子块的图像进行扩展均匀LBP算子运算,同时同步生成图像局部熵图谱(LEM,local entropy map),计算每一子块对整体人脸图像纹理描述的贡献度图谱,根据贡献度图谱对每个子块的LBP直方图进行自适应加权,最后将各子块的LBP直方图进行连接形成人脸特征。本算法在ORL、Yale、Yale B人脸库上对部分遮挡、表情变化、光照变化等环境进行测试,并与传统算法以及与多种LBP改进算法进行比较,结果表明该算法对部分遮挡、表情变化和光照等环境下单样本人脸描述具有较好的效果。     

基于显著性差值局部定向模式和深度卷积网络的鲁棒人脸识别

针对传统人脸识别算法特征提取不充分和对噪声敏感的缺点,提出了一种基于显著性差值局 部定向模式(SDLDP) 和深度卷积网络(DCNN)的人脸识别算法。基于信息的显著性,提出一种改进的SDLDP人脸描 述方法,首先计算8个相邻边缘响应值的强度差,前k个最突出的 强度差对应的方向编码为1,其他方向编码为0;然后在利用局部井型领域梯度信息的基础上 ,使用两组梯度值中各自最大值和次大值的方向编码成一个二位八进制数,从而形成改进 的SDLDP编码,进而通过统计选出最具有显著性的SDLDP编码作为特征向量;最后将改进的SD LDP编码作为DCNN的输入,通过逐层贪婪训练网络,获得良好的网络参数,并用训练好的网 络对测试样本进行预测。仿真实验表明,相对于传统的人脸识别算法,本文算法的识别率高 ,并且在对抗噪声方面更具有鲁棒性。     

基于局部幅度三值模式的人脸识别

针对局部三值模式（Local Ternary Pattern,LTP）对纹理特征描述不足的问题,提出一种基于局部幅度三值模式（Local Magnitude Ternary Pattern,LMTP）的人脸识别算法。首先将人脸图像进行分块处理。然后用LTP算子提取直方图以描述局部纹理的结构和LMTP算子提取直方图以描述局部纹理中像素值间的偏离幅度。最后将不同的直方图串联成LTP/LMTP直方图,将其作为人脸特征用于人脸匹配。实验分析表明,算法对纹理有更好的描述能力和在人脸识别中有更高的识别率,并对噪声有较好的鲁棒性。     

基于局部四值模式的人脸识别

局部二值模式(LBP)作为经典的纹理特征描述方法广泛应用于纹理分类和人脸识别等领域。然而现有相关算法仅利用周围一个圆形邻域的信息,没有充分利用周围邻域的信息。为此,提出一种利用不同圆形邻域之间的微分结构信息进行联合描述的特征描述子,从而能够更加充分地利用邻域信息。由于所提方法在圆形邻域上每个坐标处有4种不同可能的取值情况,因此将这种模型称为局部四值模式(LQP)。在通用的人脸识别数据库FERET上的大量实验证明了所提算法的有效性。     

结合主成分分析和局部导数模式的人脸识别方法

针对基于局部模式的人脸识别方法特征维数高、计算复杂度高、识别时间长的问题,提出一种结合主成分分析和局部导数模式的人脸识别方法,并针对如何解决光照、人脸表情等方面的问题提出了改进的编码方法。该方法首先将人脸图像分成很多小的区域,然后在每一个小区域中用改进的编码方法进行编码,并建立该区域的局部导数直方图,然后采用主成分分析法对所有直方图向量进行降维得到特征向量,最后利用最近邻分类器计算相似度。实验表明,这里提出的结合主成分分析和局部导数模式方法无论在识别率还是在运算速度上都优于传统的识别算法。     

基于中心对称梯度幅值相位模式的单样本人脸识别

针对传统人脸识别算法在单训练样本情况下识别 效果不佳的问题,提出一种基于中心对称梯度幅值 相位模式(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,用一种新 的中心对称局部方向模式(CSLDP)算子对梯度幅值进行编码,再将梯度相位量化到8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。在YALE和AR人脸库上进行测试的结果表 明,本文所提方 法简单有效,对光照变化、表情变化和部分遮挡等环境下单样本人脸识别具有较好的效果。