基于Gabor和CS-LBP的人脸识别研究

人脸识别是通过提取人脸的视觉特征来进行身份认证,是机器视觉、模式识别领域的研究热点之一。与虹膜、指纹等生物特征一样,人脸具有唯一性和相对稳定性,此外人脸图像的获取具有非接触性、易提取、不易仿冒、成本低等优点。因此,人脸识别在信息安全等领域有非常广泛的应用,如身份识别、自动门禁系统、监控系统等,对增加识别的高效性和有效性有重要的意义。
近年来,人脸识别发展十分迅速,人们不断尝试更有效的特征提取方法使人脸识别得到更广泛的应用。因此本文从特征提取的角度出发,研究了一种基于Gabor和CSLBP改进的人脸识别方法。
近年来,Gabor小波在计算机视觉和图像领域有重要应用。Gabor小波有良好的方向和频率选择特性,可以捕捉多尺度、多方向的局部结构且对表情、光照等因素不敏感,可以得到鲁棒的人脸表示。
其表示如下:

中心对称局部二值模式(Center symmetric Local Binary Pattern,CS-LBP)是一种纹理描述子,在原始LBP基础上引入中心对称思想,仅比较3×3邻域内以中心像素值为中心对称的像素值对。若大于中心像素值,将邻域像素值置为1,否则置为0,同样转为十进制得到中心像素的编码。
其基本原理如图1所示。
由于传统的距离计算方法(如欧式距离等)只考虑绝对距离,未考虑特征量间的相对距离,本次研究选用了卡方距离。因为卡方距离能反应特征间相对距离的变化,进而得到更好的分类性能。……