基于LBP与CS-LDP自适应特征融合的人脸识别

摘要：

为了提取更丰富的人脸纹理特征以提高人脸识别率,提出了局部二值模式LBP(Local Binary Pattern)与中心对称局部微分模式CSLDP (Center-Symmetric Local Derivative Pattern)自适应特征融合算法.识别过程中首先用LBP算法对原始图像进行特征提取,然后用二阶微分CS-LDP算法对图像进行特征提取,并将LBP与CS-LDP的特征向量融合得到最终的模板向量,通过直方图交叉距离计算模板向量的相似度.结果表明:LBP提取图像的一阶微分特征,而CS-LDP提取图像的二阶微分特征,融合两种特征获得更丰富的图像纹理信息.该方法在ORL、YaleB和FERET人脸库中的人脸识别率均达到了90％以上,为人脸识别技术提供了一种切实可行方案.

关键词：LBP、CS-LDP、特征融合、人脸识别

所属期刊栏目：43

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61262040,81360230;云南省应用基础研究计划KKSY201203062

在线出版日期：2015-09-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：48-53