自适应阈值局部特征融合的人脸识别 |
| |
引用本文: | 齐美彬,田中贺,蒋建国.自适应阈值局部特征融合的人脸识别[J].合肥工业大学学报(自然科学版),2018(4). |
| |
作者姓名: | 齐美彬 田中贺 蒋建国 |
| |
作者单位: | 合肥工业大学计算机与信息学院 |
| |
摘 要: | 针对局部二值模式(local binary pattern,LBP)提取图像纹理特征时阈值不能自适应以及缺少方向信息的问题,文章提出了一种自适应阈值局部特征融合的人脸识别算法。首先对原始人脸图像进行分块处理,提取每个子块自适应阈值均匀模式的局部二值模式(uniform local binary pattern,ULBP)特征和局部梯度编码(local gradient coding,LGC)特征;然后,将2种局部特征串联在一起融合为1种特征,得到每个子块的直方图特征,把每个子块图像的信息熵作为直方图加权系数,将所有子块图像的直方图乘以各自的加权系数,连接得到整幅人脸图像的直方图特征;最后用支持向量机(support vector machine,SVM)分类器进行识别分类。在ORL、Yale、FERET(be、bj、bf子库)人脸数据库上进行试验,该人脸识别算法分别得到了99.0%、98.7%、87.5%、93.0%、88.5%的识别率,正确识别率较高,算法对其他纹理分类、目标识别也具有一定的参考价值。
|
本文献已被 CNKI 等数据库收录! |
|