基于Gabor变换和LBP相结合的人脸识别算法的研究

摘要

目前，在人脸识别领域，研究重点为图像的分类方法和特征提取算法，其中后者最为关键，对人脸识别的最终效果起到决定性作用。Gabor变换不仅具有惊人地相似于人类的视网膜细胞的接受场模型，可获得频率和时间的最小不确定性，并且对外界干扰如光照、姿态、表情等变化的鲁棒性较强。然而，以 Gabor变换为基础的传统人脸特征提取方法，首先通过卷积人脸图像和 Gabor的多方向与多尺度核函数，然后级联与下采样后取得Gabor人脸特征。通过此种方法，会得到较高的维数，在识别时需要花费大量的时间，并且不具有旋转不变性，当人脸图像在平面旋转时，识别性能下降；局部二值模式（LBP）是对纹理进行分析的算子，由于具有简单的算法，计算过程并非过于复杂，较强的辨别能力等诸多优点，近些年来被人们广泛研究并使用，LBP算子具备较强的灰度不变和旋转不变的特性，可以降低旋转移位和光照不均的影响。
　　基于Gabor的上述问题，本文采用Gabor小波和LBP相结合的特征提取方法，对人脸识别进行了研究，提出了均匀模式LBP算法。为进一步提高人脸特征提取的准确性和实际运用的灵活性，本文对Gabor小波和 LBP提取的人脸特征进行优化选择和融合，提出了改进算法：即2D-Gabor小波和均匀模式LBP相结合的特征提取算法。本文算法有效提高了识别率和减少了数据冗余，并且灵活适用于常用的人脸库，有效地实现了人脸识别。本文的主要研究成果包含以下几个部分：
　　1.首先，对人脸识别技术的研究背景和意义进行了介绍。然后，介绍了现有的国内外人脸识别算法，指出了其中的不足之处以及亟待解决的问题。最后，研究提出本文新算法，对本文结构安排和主要内容进行了介绍。
　　2.对常用人脸识别系统进行了详细介绍，包括预处理等内容；介绍了较为典型的的人脸识别技术：以PCA为基础的人脸识别，并对人脸识别算法进行了实验仿真。详细介绍了 Gabor变换。包括：滤波器组参数选择等方面；对以2D-Gabor为基础的人脸特征提取算法做出简要介绍；介绍了局部二值模式（LBP）。包括：LBP算子介绍、均匀模式LBP算法；
　　3.提出改进算法，即2D-Gabor小波与均匀模式LBP结合的特征提取算法。研究了2D-Gabor小波内核窗口大小、LBP的分块模式、特征维数对改进算法识别性能的影响。最后对改进算法实施仿真实验和理论分析，对比传统算法，根据所做实验，验证算法的可行性与有效性。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1人脸识别技术的研究背景

1.2人脸识别算法的国内外研究现状

1.3当前技术存在的问题

1.4本文研究内容和结构安排

第二章 经典的人脸识别系统介绍

2.1人脸图像预处理

2.1.1常用人脸数据库介绍

2.1.2人脸图像预处理

2.2基于主成分分析法的人脸特征提取

2.2.1 K-L变换原理

2.2.2基于PCA的人脸特征提取

2.2.3基于PCA的人脸特征提取实验仿真

2.3经典分类器和人脸识别

2.3.1经典分类器

2.3.2基于PCA的人脸识别

2.3.3基于PCA的人脸识别实验仿真

2.4本章小结

第三章 Gabor小波和LBP的基本原理

3.1Gabor小波

3.1.1 Gabor小波变换知识介绍

3.1.2 2D-Gabor小波变换原理

3.1.3基于Gabor变换的人脸特征提取

3.2局部二值模式（LBP）基本原理

3.2.1 LBP算子

3.2.2均匀模式LBP

3.3本章小结

第四章 基于2D-Gabor小波和均匀模式LBP结合的特征提取算法

4.1 2D-Gabor小波和均匀模式LBP相结合算法的介绍

4.2 2D-Gabor小波和均匀模式LBP相结合的算法流程

4.3 实验结果与分析

4.3.1 2D-Gabor内核大小对识别率的影响

4.3.2分块模式对识别率的影响

4.3.3不同的特征提取方式对识别率的影响

4.4本章小结

第五章 总结及展望

5.1工作总结

5.2研究展望

参考文献

致谢

攻读硕士学位期间发表的论文