[發明專利]用于人臉識別的基于LBP特征的結構型稀疏表示分類方法

在審

• 申請號: 201710222367.1
• 申請日: 2017-03-31
• 公開（公告）號: CN107169410A
• 公開（公告）日: 2017-09-15
• 發明（設計）人: 周航;荊曉遠;岳東
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 南京經緯專利商標代理有限公司32200
• 代理人: 劉莎

1.用于人臉識別的基于LBP特征的結構型稀疏表示分類方法，其特征在于，包括以下具體步驟：

步驟1，分別提取原始樣本集中訓練樣本和測試樣本圖像的LBP特征；

步驟2，構建結構型稀疏表示算法模型；

步驟3，將步驟1中提取的訓練樣本和測試樣本的LBP特征輸入到結構型稀疏表示分類算法模型中，根據結構型稀疏表示算法模型的輸出，得到測試樣本的分類結果。

2.根據權利要求1所述的用于人臉識別的基于LBP特征的結構型稀疏表示分類方法，其特征在于，步驟1中測試樣本圖像的LBP特征的提取方法包括如下步驟：

1)將測試樣本圖像y劃分成16×16的小區域，記為y＝{y₁,y₂,…,y_n}，其中，n表示劃分的小區域數目；

2)分別對y_i進行LBP編碼，得到每個小區域的LBP編碼圖，記為其中，i＝1,2,…,n；

3)分別對進行直方圖統計，即統計每個LBP編碼值的頻率，得到直方圖統計特征向量LBP(y_i)，并作歸一化處理；

4)將所有小區域的直方圖統計特征向量串聯得到整幅測試樣本圖像的LBP特征矩陣：LBP(y)＝[LBP(y₁),LBP(y₂),…,LBP(y_n)]。

3.根據權利要求1所述的用于人臉識別的基于LBP特征的結構型稀疏表示分類方法，其特征在于，步驟1中訓練樣本圖像的LBP特征的提取方法包括如下步驟：

1)將訓練樣本圖像D劃分成16×16的小區域，記為D＝{D₁,D₂,…,D_n}，其中，n表示劃分的小區域數目；

2)分別對D_i進行LBP編碼，得到每個小區域的LBP編碼圖，記為其中，i＝1,2,…,n；

3)分別對進行直方圖統計，即統計每個LBP編碼值的頻率，得到直方圖統計特征向量LBP(D_i)，并作歸一化處理；

4)將所有小區域的直方圖統計特征向量串聯得到整幅測試樣本圖像的LBP特征矩陣：LBP(D)＝[LBP(D₁),LBP(D₂),…,LBP(D_n)]。

4.根據權利要求2或3所述的用于人臉識別的基于LBP特征的結構型稀疏表示分類方法，其特征在于，LBP的編碼值通過以下公式獲得：

LBP(pc)=Σi=07s(pi-pc)·2p---(1)]]>

其中，p_i是中心像素p_c周圍相鄰的像素值，2^p是像素差權重系數。