[发明专利]一种基于完备局部凸凹模式的光照人脸识别方法

摘要

本发明涉及一种基于完备局部凸凹模式的光照人脸识别方法，属模式识别领域。首先对图像进行分块；对各分块图像进行双线性插值；通过对各图像块中每一像素点的局部差分的符号特征和幅度特征进行编码，得到各图像块的符号特征矩阵、幅度特征矩阵。然后对各图像块的像素点进行编码得到各图像块的中心像素特征矩阵，然后提取此三个特征矩阵的直方图特征，得到三个特征向量，依次连接此三个特征向量得到图像块的直方图特征向量；最后连接各图像块的直方图特征向量得到此原始图像的直方图特征向量，把该特征向量送入最近邻分类器进行分类，来识别原始人脸图像的身份。本发明是基于二阶微分的图像纹理描述方法，能有效的进行光照环境下人脸识别。

主权项

一种基于完备局部凸凹模式的光照人脸识别方法，其特征在于：首先对图像进行分块；然后对各分块图像进行双线性插值，使得图像中每个像素点能构建8个对称方向，接着计算分块图像中每个像素点沿8个方向局部差分；然后编码此局部差分的符号特征和幅度特征；对各图像块的每个像素点进行编码，得到各图像块的中心像素特征；接下来对各分块图像的符号特征、幅度特征、中心像素特征的特征矩阵提取直方图特征向量，依次连接该分块图像符号特征、幅度特征、中心像素特征的直方图特征向量得到各分块图像的直方图特征向量；最后连接各分块图像的直方图特征向量得到此原始图像的直方图特征向量，把该特征向量送入基于卡方统计量的最近邻分类器进行分类，来识别原始人脸图像的身份；所述基于完备局部凸凹模式的光照人脸识别方法的具体步骤如下：Step1、首先将图像进行分块：把图像I(l)均匀分成4×4的无重叠方块，一共16块，表示为(i＝0,1,2,…,15)；Step2、对各分块图像进行双线性插值运算，使得每个像素点能构建关于该像素点对称的8个方向，然后计算每个像素点沿不同方向的局部差分，将该局部差分分解为符号部分和和幅度部分；Step3、对符号部分和幅度部分分别进行相应的局部凸凹模式编码，得到各分块图像的符号特征CLCCP‑S和幅度特征CLCCP‑M，其中像素点X0的符号特征和幅度特征的编码公式分别为：CLCCP-S1,8(X0)D=Σi=03[f(IX0-0.5*(IPi+IPi+4))*2i*2]+Σj=03[f(IX0-0.5*(IQj+IQj+4))*2j*2+1]]]>CLCCP-M1,8(X0)D=Σi=03[f(abs(IX0-0.5*(IP+IPi+4))-c)*2i*2]+Σj=03[f(abs(IX0-0.5*(IQj+IQj+4))-c)*2j*2+1]]]>其中，CLCCP‑S1,8(X0)D表示像素X0处的局部凸凹性符号特征，CLCCP‑M1,8(X0)D表示像素X0处的局部凸凹性幅度特征,表示图像中X0处的像素值，和表示图像中Pi和Pi+4处的像素值，和表示图像中Qj和Qj+4处的像素值，abs()表示求取绝对值运算，CLCCP‑S1,8(X0)D和CLCCP‑M1,8(X0)D中下标“1”表示计算凸凹特性所用的像素点距X0的距离为1，即尺度为1，下标“8”表示计算经过像素点X0的8个方向的凸凹特征，下标“D”表示是十进制量，threshold是预先设置的阈值；Step4、对各图像块的每个像素点进行编码，得到各图像块的中心像素特征CLCCP‑C，编码公式为：这里cI表示整幅图像的平均值，表示图像中X0处的像素值，CLCCP‑C1,8(X0)D中下标“1”表示计算凸凹特性所用的像素点距X0的距离为1，即尺度为1，下标“8”表示计算经过像素点X0的8个方向的凸凹特征，下标“D”表示十进制量，threshold是预先设置的阈值；Step5、经过步骤Step2、Step3和Step4，提取了图像块的完备局部凸凹特征，包括符合特征、幅度特征和中心像素特征，当图像块中的像素点X0遍历整个图像块时，得到各分块图像的CLCCP‑S、CLCCP‑M、CLCCP‑C的特征矩阵，分别为Step6、接下来提取各图像块三个特征矩阵的直方图特征向量，图像块的三个特征矩阵的直方图特征向量分别表示为：依次连接此三个直方图特征向量，得到图像块的直方图特征向量此处的下标CLCCP表示完备局部凸凹模式特征，它包含符号特征CLCCP‑S，幅度特征CLCCP‑M和中心像素点特征CLCCP‑C；Step7、连接各图像块的直方图特征向量，得到原始图像的完备局部凸凹模式直方图特征向量为：Step8、把该特征向量送入基于卡方统计量的最近邻分类器进行分类，来识别原始人脸图像的身份。