[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

摘要

本发明请求保护一种基于改进的LTP与二维双向PCA融合的人脸特征提取方法，该方法包括步骤：S1，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；S2，建立自适应梯度下降迭代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；S3，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；S5，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。本发明可获得较高识别率、能够对光照和随机噪声具有较强的鲁棒性。

主权项

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,...,Jt‑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；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。