局部二值模式算法及其人脸识别应用

李闻　刘陶唐

摘 要：针对目前人脸识别的局部二值模式 （Local binary pattern， LBP） ，本文根据算法介绍了相关的理论基础及其表现出来的应用价值。首先 ，本文简单说明了局部二值模式在图像处理和人脸识别方向上的应用；其次，分析说明了LBP方法的阈值操作方法和算法的基本原理； 最后，简要阐述了基于LBP方法改进算法CS-LBP并说明了有关于算法的优势、不足及未来发展趋势。

关键词：局部二值模式；LBP；人脸识别

文章编号：1004-7026（2017）18-0125-01 中国图书分类号：TP391.41 文献标志码：A

1 引言

纹理特征是图像处理中研究的重要技术指标之一。经过研究人员的进一步研究和发现，相关成果层出不穷。其中Ojala[1]在之前研究成果的基础上，提出了局部二值模式（LBP）[2]算法，进一步弱化了光照对图像识别的影响，更加准确的提取了图像的纹理特征，因此Ojala提出的LBP算法在纹理特征提取和人脸识别方向有广泛的應用。经过研究者的进一步分析发现，二阶微分可以提取更為丰富的纹理特征，同时对光线不敏感等特征，本文也阐述了有关于中心对称二值模式（CS-LBP）[3]和其在图像处理方面的应用。

2 LBP和CS-LBP简介

2.1 LBP算法

Local Binary Pattern（LBP）称为局部二值模式，这是一种用来描述图像的局部特征的算子[4]，可直接对图像进行纹理特征提取。

LBP算法将算子定义为在3×3的区域内，以窗口中心像素C为阈值，也就是中心像素点，将相邻的8个像素的灰度值与中心像素点进行比较，若中心像素周围的像素值fp大于中心的像素值fc，则该像素点被编码为1，否则该像素点编码为0。……