[發明專利]一種基于改進的LTP與二維雙向PCA融合的人臉特征提取方法

有效

• 申請號: 201710703543.3
• 申請日: 2017-08-16
• 公開（公告）號: CN107463917B
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 羅元;王薄宇;張毅
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 劉小紅

本發明請求保護一種基于改進的LTP與二維雙向PCA融合的人臉特征提取方法，該方法包括步驟：S1，建立中心像素與鄰域像素權值和的差值函數等式來求得中心像素與鄰域像素的統計特征；S2，建立自適應梯度下降迭代函數計算出使差值等式最小的權值系數來定義IALTP算子的閾值；S3，將局部區域像素權重的均值和標準差作為IALTP的三種模式的編碼方式；S4，將人臉圖像經過二維雙向PCA在行、列方向上求出投影矩陣，然后建立聯合映射得到人臉圖像的全局特征信息；S5，利用融合局部特征和全局特征的方式，提出了將IALTP與二維雙向PCA相融合的算法。本發明可獲得較高識別率、能夠對光照和隨機噪聲具有較強的魯棒性。

技術領域

本發明屬于圖像處理與模式識別領域，特別是一種基于改進的LTP與二維雙向PCA融合的人臉特征提取方法。

背景技術

隨著人工智能技術的日益發展，生物識別技術已經成為人工智能與模式識別領域中十分熱門的學科。其中人臉識別相較于人類固有的生理特征如虹膜、指紋或者后天形成的特征如聲音、步態等的識別技術來說，在實用性和應用的廣泛程度上是最具有代表性的。通常人臉識別過程是由兩個連續的階段組成：第一階段是人臉識別算法是用于從一組訓練圖像中提取特征信息。第二階段是提取的特征由分類器來識別查詢圖像的主題。其中人臉特征提取是最為關鍵的步驟，其直接影響人臉特征分類識別的效果和識別率。人臉特征提取方法分為基于全局特征和基于局部紋理特征的提取方法。全局特征主要考慮了由于人臉面部肌肉運動而產生的面部變化情況。全局特征提取算法主要包括獨立主成分分析(ICA)、主成分分析(PCA)、離散余弦變換(DCT)等等。而主成分分析(PCA)廣泛被研究人員推崇和使用，但是在實驗的過程中發現，由于其在運算時要將2D人臉圖像矩陣轉換成1D向量，此過程會產生高維圖像向量空間，大尺度的矩陣讓計算復雜度增加，計算效率變低。為克服此類問題，有學者提出了一種二維雙向主成分分析((2D)²PCA)，它主要的優點是其不需要將圖像向量化，節約了時間；其次是需要做特征值分解的協方差矩陣相較于傳統的PCA尺寸要小很多。2016年Song等人將(2D)²PCA用于圖像識別中，提出圖像增強處理方法和基于局部均值和標準差創建投影矩陣的方法，進而提高了識別率。然而，如果僅僅通過全局特征提取面部完整信息，這樣會導致識別率不高，故研究人員引入了局部特征提取方法。局部特征提取方法包括：局部二值模式(LBP)、局部三值模式(LTP)、局部方向模式(LDP)。其中LBP提取的紋理特征易受隨機噪聲和非單調照明變化的影響，這不利于后續的分類。而LTP作為LBP的改進，在一定程度上對光照和噪聲具有魯棒性。2013年，Ren等人將其作為0和1的等概率編碼且不考慮它的符號和數量，提出一種不確定狀態的概念來進行編碼小像素差異，提高了識別效率。2016年，Yang等人基于韋伯定律提出了改進的LTP自適應閾值選取法，同時根據雙通道模式提取出有區分度的信息，實驗結果表明其能夠一定程度上提高識別率。但是以上研究僅僅考慮到提高識別率，而對于不同光照和隨機噪聲的魯棒性以及計算復雜度問題尚需繼續研究。

發明內容

本發明旨在解決以上現有技術的問題。提出了一種可獲得較高識別率、能夠對光照和隨機噪聲具有較強的魯棒性的基于改進的LTP與二維雙向PCA融合的人臉特征提取方法。本發明的技術方案如下：

一種基于改進的LTP與二維雙向PCA融合的人臉特征提取方法，其包括以下步驟；

S1、將人臉面部圖像劃分成不重疊的子區域，J₀,J₁,J₂,...,J_t-1，其中t是非重疊區域的數量；

S2、在像素鄰域內，統計中心像素與鄰域像素值：建立中心像素與鄰域像素權值和的差值函數等式，求得中心像素與鄰域像素的統計特征；

S3、建立自適應梯度下降迭代函數，計算出使步驟S2差值函數等式最小的權值系數來定義IALTP改進的自適應局部三值模式算子的閾值；

S4、將局部區域像素權重的均值和標準差作為IALTP的三種模式的編碼方式；