陕西师范大学学报（自然科学版）
陝西師範大學學報（自然科學版）
협서사범대학학보（자연과학판）
Journal of Shaanxi Normal University(Natural Science Edition)
2015年
4期
48-53
,共6页
李闻%陈熙%刘增力%黄青松
李聞%陳熙%劉增力%黃青鬆
리문%진희%류증력%황청송
LBP%CS-LDP%特征融合%人脸识别
LBP%CS-LDP%特徵融閤%人臉識彆
LBP%CS-LDP%특정융합%인검식별
LBP%CS-LDP%feature fusing%face recognition
为了提取更丰富的人脸纹理特征以提高人脸识别率,提出了局部二值模式LBP(Local Binary Pattern)与中心对称局部微分模式CSLDP (Center-Symmetric Local Derivative Pattern)自适应特征融合算法.识别过程中首先用LBP算法对原始图像进行特征提取,然后用二阶微分CS-LDP算法对图像进行特征提取,并将LBP与CS-LDP的特征向量融合得到最终的模板向量,通过直方图交叉距离计算模板向量的相似度.结果表明:LBP提取图像的一阶微分特征,而CS-LDP提取图像的二阶微分特征,融合两种特征获得更丰富的图像纹理信息.该方法在ORL、YaleB和FERET人脸库中的人脸识别率均达到了90％以上,为人脸识别技术提供了一种切实可行方案.
為瞭提取更豐富的人臉紋理特徵以提高人臉識彆率,提齣瞭跼部二值模式LBP(Local Binary Pattern)與中心對稱跼部微分模式CSLDP (Center-Symmetric Local Derivative Pattern)自適應特徵融閤算法.識彆過程中首先用LBP算法對原始圖像進行特徵提取,然後用二階微分CS-LDP算法對圖像進行特徵提取,併將LBP與CS-LDP的特徵嚮量融閤得到最終的模闆嚮量,通過直方圖交扠距離計算模闆嚮量的相似度.結果錶明:LBP提取圖像的一階微分特徵,而CS-LDP提取圖像的二階微分特徵,融閤兩種特徵穫得更豐富的圖像紋理信息.該方法在ORL、YaleB和FERET人臉庫中的人臉識彆率均達到瞭90％以上,為人臉識彆技術提供瞭一種切實可行方案.
위료제취경봉부적인검문리특정이제고인검식별솔,제출료국부이치모식LBP(Local Binary Pattern)여중심대칭국부미분모식CSLDP (Center-Symmetric Local Derivative Pattern)자괄응특정융합산법.식별과정중수선용LBP산법대원시도상진행특정제취,연후용이계미분CS-LDP산법대도상진행특정제취,병장LBP여CS-LDP적특정향량융합득도최종적모판향량,통과직방도교차거리계산모판향량적상사도.결과표명:LBP제취도상적일계미분특정,이CS-LDP제취도상적이계미분특정,융합량충특정획득경봉부적도상문리신식.해방법재ORL、YaleB화FERET인검고중적인검식별솔균체도료90％이상,위인검식별기술제공료일충절실가행방안.
