[发明专利]一种基于改进的LTP与二维双向PCA融合的人脸特征提取方法

权利要求书

1.一种基于改进的LTP与二维双向PCA融合的人脸特征提取方法，其特征在于，包括以下步骤；

S1、将人脸面部图像划分成不重叠的子区域，J₀,J₁,J₂,...,J_t-1，其中t是非重叠区域的数量；

S2、在像素邻域内，统计中心像素与邻域像素值：建立中心像素与邻域像素权值和的差值函数等式，求得中心像素与邻域像素的统计特征；

S3、建立自适应梯度下降迭代函数，计算出使步骤S2差值函数等式最小的权值系数来定义IALTP改进的自适应局部三值模式算子的阈值，改进的LTP具体包括：首先，建立中心像素与邻域像素权值和的差值函数等式来求得中心像素与邻域像素的统计特征；其次，建立自适应梯度下降函数计算出使差值等式最小的权值系数来定义IALTP算子的阈值，最后将局部区域像素权重的均值和标准差作为IALTP的三种模式的编码方式；

S4、将局部区域像素权重的均值和标准差作为IALTP的三种模式的编码方式；

S5、将人脸图像经过二维双向PCA在行、列方向上求出投影矩阵，然后建立联合映射得到人脸图像的全局特征信息；

S6、利用融合局部特征和全局特征的方式，提出了将IALTP与二维双向PCA相融合的算法，获得融合特征向量，应用SVM对融合信息进行分类并识别人脸；

所述步骤S2建立中心像素与邻域像素权值和的差值函数等式为：

其中，P_c(i,j)是中心像素，P_s(i,j)是邻域像素，θ_s是任意一个邻域像素的权值系数，θ_s＝[θ₁,θ₂,...,θ_M]，i表示水平方向的像素值，j表示垂直方向的像素值，M表示邻域像素的个数，该差值函数等式最小化了中心像素与邻域像素之间的总体差异；

所述步骤S3建立自适应梯度下降函数，计算出使步骤S2差值函数等式最小的权值系数来定义IALTP改进的自适应局部三值模式算子的阈值，具体包括步骤；

首先根据差值等式对θ_s求偏导为：

将上式中的中心像素值写成由邻域像素值与权值系数的乘积和的形式，也可以写成由其中一个邻域像素P_m(i,j)与其权值系数θ_m的乘积加上其余像素与权值系数的乘积和：

通过上式可得到其中一个邻域像素的权值θ_m为：

采用梯度下降法使得J(θ_m)达到最小的θ_m，即自适应梯度下降函数：

2.根据权利要求1所述的基于改进的LTP与二维双向PCA融合的人脸特征提取方法，其特征在于，选取λ的值为1。

3.根据权利要求1所述的基于改进的LTP与二维双向PCA融合的人脸特征提取方法，其特征在于，所述步骤S4中定义IALTP的三种模式的编码方法为：

其中，θ_mP_m(i,j)≥ε+ωδ，ε为局部区域像素的权重的均值，δ为局部区域像素的权重值的标准差，ω为0.6。