[发明专利]一种基于小波多尺度分析和局部三值模式的人脸识别方法

权利要求书

1. 一种基于小波多尺度分析和局部三值模式的人脸识别方法，其特征在于，包括如下步骤：

1）图像选取，选取合适的人脸图像训练样本与待识别样本；

2）对训练集中的人脸图像进行多尺度小波分析，通过小波分解后，得到原始图像的一级低频逼近图像、二级低频逼近图像；

3) 针对步骤2)得到的一、二级低频逼近图像，用LTP算子分别对图像进行变换，得到对应图像的所有像素点的LTP特征值；

4) 采用图像分块方法，分别统计每幅图像每一块的正负LTP子特征值直方图，连接分块LTP直方图得到整个图像的正负LTP直方图；

5) 连接原始人脸图像的一、二级低频逼近图像的正负LTP直方图，得到原始人脸图像的特征向量表示；

6) 对于待识别的人脸，由步骤2)-步骤5)得到待识别人脸图像的特征向量表示，使用                                                概率统计进行人脸的识别，得到最终识别结果。

2.根据权利要求1所述的基于小波多尺度分析和局部三值模式的人脸识别方法，其特征是，步骤2) 所述的小波分解是使用Coiflets小波对训练图像进行分解；

所述的一级低频逼近图像是使用Coiflets小波对训练图像进行分解，得到的水平和垂直方向的低频子带图像LL作为原始图像的一级低频逼近图像，一级低频逼近图像的大小为原图像的四分之一，

所述的二级低频逼近图像是在一级低频逼近图像的基础上，使用Coiflets小波对其进行分解，得到的水平和垂直方向的低频子带图像LL作为原始图像的二级低频逼近图像，二级低频逼近图像的大小为原图像的十六分之一。

3. 根据权利要求1所述的基于小波多尺度分析和局部三值模式的人脸识别方法，其特征是，步骤3)所述的LTP算子即局部三值模式算子，其计算方法是：针对图像上任一区域的任意像素点，将其与邻域上八个像素点的灰度值作比较，若p>c+t，则LTP编码值为1；若p<c-t，则编码值为-1；若c-t≤p≤c+t，则LTP编码值为0；其中p为邻域像素点的灰度值，c为中心像素点的灰度值，t为设定的阈值；从左上角开始，以顺时针方向排列八个编码值可得到中心像素点的LTP特征向量；

针对任意像素点的LTP特征向量，将其改写为正LTP子特征向量和负LTP子特征向量，其方法为：将向量中所有的-1设为0，其余不变，得到正LTP子特征向量；将向量中所有的1设为0，所有-1设为1，其余不变，得到负LTP子特征向量；正、负子特征向量均为一个8位二进制数，改写为10进制整数，就可分别得到该像素点的正负LTP子特征值；特征值的大小限制在0到255之间。

4. 根据权利要求1所述的基于小波多尺度分析和局部三值模式的人脸识别方法，其特征是，步骤4)所述的图像分块方法是指，对图像区域进行划分，

所述的统计直方图方法，是根据LTP算子的旋转不变性，从0-255个灰度特征值中选取58个最具代表性的特征值，同时将其余特征值并入第59个特征值中；分离图像的正负LTP子特征值，分别对图像分块统计LTP直方图，然后连接分块LTP直方图得到整幅图像的正负LTP直方图。

5. 根据权利要求1所述的基于小波多尺度分析和局部三值模式的人脸识别方法，其特征是，步骤6)所述的概率统计定义如下：，其中，和是被用来比较的两个直方图样本，是指直方图的第个，对于两幅人脸图像的直方图相似度，定义为，其中指原始图像的第级低频逼近子图像，是指该级子图像的正LTP直方图和负LTP直方图，是指当前直方图的第块LTP直方图，针对待识别样本，将其与训练集中每一幅人脸图像进行计算并统计直方图相似度，训练集中具有最小相似度的人脸图像被认为是与待识别图像最匹配的人脸，从而得到识别结果。