發(fā)布時間：2018-03-17 10:38

  本文選題：人臉識別　切入點(diǎn)：特征提取　出處：《安徽理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著計算機(jī)和信息技術(shù)的快速發(fā)展,人臉識別技術(shù)越來越受到重視。本文主要研究了人臉在不同光照、不同表情下的特征提取與識別的一些關(guān)鍵問題,提出了一些改進(jìn)方法,并通過實(shí)驗(yàn)進(jìn)行了可靠性驗(yàn)證。針對LBP算法提取人臉圖像的表情特征信息時會丟失特殊的特征信息的缺點(diǎn),本文提出了多重局部二值模式的人臉表情識別方法(Multiple Local Binary Patterns,MLBP),該方法在保持LBP算法優(yōu)點(diǎn)的前提下,通過增加一位二值編碼,利用中心像素點(diǎn)作用以及鄰域像素點(diǎn)灰度值之間的關(guān)系,得出特征向量圖。實(shí)驗(yàn)結(jié)果表明MLBP算法比LBP算法描述的表情紋理圖像更加均勻,且識別率約提高10%。針對人臉表情圖像進(jìn)行紋理特征提取時的模塊大小劃分問題,本文提出將MLBP算法與Harr小波分解相結(jié)合,該方法首先將表情圖像進(jìn)行Harr小波分解,得到四幅不同頻率的子圖像,然后對其中三幅圖像進(jìn)行MLBP特征提取,并將得到的特征值串聯(lián)形成表情圖像的特征向量。實(shí)驗(yàn)結(jié)果表明該方法比MLBP方法直接提取表情特征所產(chǎn)生的特征向量的維數(shù)減少了 25%,特征提取和識別的速率提高了,其中識別率約提高了 9%。人臉識別研究中的識別率容易受光照強(qiáng)度的影響。針對MLBP算法在光照變化時具有旋轉(zhuǎn)不變性,以及Gabor小波能提供空間位置、空間頻率的特性,本文提出了多重局部 Gabor 二值模式方法(Multiple Local Gabor Binary Pattern,M LGBP),該方法先對人臉圖像使用Gabor小波進(jìn)行變換處理,保留受光照影響較小的高頻部分,然后再采用MLBP算法對Gabor提取后的圖像采用分塊編碼,最后得到聯(lián)合直方圖序列,獲得豐富的局部特征信息。實(shí)驗(yàn)結(jié)果表明了該算法有效的降低了光照對識別率的影響,提高了光照不均勻時的人臉識別率,且在特征提取方面比Gabor等算法更加有效。
[Abstract]:With the rapid development of computer and information technology, more and more attention has been paid to face recognition technology. In this paper, some key problems of feature extraction and recognition under different illumination and expression are studied, and some improved methods are proposed. The reliability of the algorithm is verified by experiments. The LBP algorithm will lose the special feature information when extracting facial expression information from the face image. In this paper, a multiple Local Binary pattern algorithm for facial expression recognition is proposed. The method preserves the advantages of the LBP algorithm by adding a bit of binary coding. Using the relationship between the central pixel and the gray value of the neighboring pixel, the eigenvector graph is obtained. The experimental results show that the MLBP algorithm is more uniform than the expression texture image described by the LBP algorithm. And the recognition rate is increased by about 10%. Aiming at the problem of module size partition in facial expression image texture feature extraction, this paper proposes the combination of MLBP algorithm and Harr wavelet decomposition. This method firstly decomposes facial expression image by Harr wavelet decomposition. Four sub-images with different frequencies were obtained, and three of them were extracted by MLBP. The experimental results show that this method reduces the dimension of feature vectors generated by MLBP method and improves the speed of feature extraction and recognition. The recognition rate is increased by about 9%. The recognition rate of face recognition is easily influenced by illumination intensity. Aiming at the rotation invariance of MLBP algorithm when illumination changes, and the feature that Gabor wavelet can provide spatial position and frequency, the recognition rate of face recognition is easy to be influenced by illumination intensity. This paper presents a multiplex local Gabor binary mode method called multiple Local Gabor Binary pattern (MGBP). In this method, the face image is first processed by Gabor wavelet transform, which preserves the high-frequency part which is less affected by illumination. Then the MLBP algorithm is used to code the extracted Gabor images in blocks. Finally, the joint histogram sequence is obtained, and the local feature information is obtained. The experimental results show that the algorithm can effectively reduce the influence of illumination on the recognition rate. The face recognition rate of uneven illumination is improved, and the feature extraction is more effective than Gabor algorithm.
【學(xué)位授予單位】：安徽理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬少華,高峰,李敏,吳成東;神經(jīng)網(wǎng)絡(luò)分類器的特征提取和優(yōu)選[J];基礎(chǔ)自動化;2000年06期

2 管聰慧,宣國榮;多類問題中的特征提取[J];計算機(jī)工程;2002年01期

3 胡威;李建華;陳波;;入侵檢測建模過程中特征提取最優(yōu)化評估[J];計算機(jī)工程;2006年12期

4 朱玉蓮;陳松燦;趙國安;;推廣的矩陣模式特征提取方法及其在人臉識別中的應(yīng)用[J];小型微型計算機(jī)系統(tǒng);2007年04期

5 趙振勇;王保華;王力;崔磊;;人臉圖像的特征提取[J];計算機(jī)技術(shù)與發(fā)展;2007年05期

6 馮海亮;王麗;李見為;;一種新的用于人臉識別的特征提取方法[J];計算機(jī)科學(xué);2009年06期

7 朱笑榮;楊德運(yùn);;基于入侵檢測的特征提取方法[J];計算機(jī)應(yīng)用與軟件;2010年06期

8 王菲;白潔;;一種基于非線性特征提取的被動聲納目標(biāo)識別方法研究[J];軟件導(dǎo)刊;2010年05期

9 陳偉;瞿曉;葛丁飛;;主觀引導(dǎo)特征提取法在光譜識別中的應(yīng)用[J];科技通報;2011年04期

10 王華,李介谷;人臉斜視圖象的特征提取與恢復(fù)[J];上海交通大學(xué)學(xué)報;1997年01期

相關(guān)會議論文 前10條

1 尚修剛;蔣慰孫;;模糊特征提取新算法[A];1997中國控制與決策學(xué)術(shù)年會論文集[C];1997年

2 潘榮江;孟祥旭;楊承磊;王銳;;旋轉(zhuǎn)體的幾何特征提取方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

3 薛燕;李建良;朱學(xué)芳;;人臉識別中特征提取的一種改進(jìn)方法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

4 杜栓平;曹正良;;時間—頻率域特征提取及其應(yīng)用[A];2005年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2005年

5 黃先鋒;韓傳久;陳旭;周劍軍;;運(yùn)動目標(biāo)的分割與特征提取[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

6 魏明果;;方言比較的特征提取與矩陣分析[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

7 林土勝;賴聲禮;;視網(wǎng)膜血管特征提取的拆支跟蹤法[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 秦建玲;李軍;;基于核的主成分分析的特征提取方法與樣本篩選[A];2005年中國機(jī)械工程學(xué)會年會論文集[C];2005年

9 劉紅;陳光，

本文編號：1624366