基于局部Gabor三值模式的人脸识别.pdf

【基于局部Gabor三值模式的人脸识别】是一种用于提高人脸识别准确性和鲁棒性的方法。在该技术中，首先对经过归一化的脸部图像进行多方向、多分辨率的Gabor滤波处理。Gabor滤波器是模拟人类视觉系统对边缘和纹理敏感性的工具，能有效地提取图像的局部特征。 在滤波后，会得到一系列Gabor幅值域图谱（GMMs）。这些图谱反映了图像在不同尺度和方向上的细节。接着，局部三值模式（LTP）被用来分析每个幅值域图谱，它关注的是局部邻域内的像素关系。LTP通过将像素值简化为三值（例如，小于、等于或大于其邻居），捕获了像素间的相对差异，从而描述了局部纹理结构。 然后，利用这些局部三值模式形成的区域直方图序列来描述整个脸部。这种方法强调了局部模式的统计特性，有助于捕捉脸部的关键信息，同时减少了光照变化、表情变化等因素的影响。 在匹配阶段，采用加权的卡方距离算法比较训练图像和测试图像的直方图。卡方距离是一种衡量两个分布相似度的统计方法，加权则可以调整不同特征的重要性，提高匹配的准确性。 该方法的优势在于结合了Gabor变换的多尺度、多方向特性，LTP对局部细节的敏感性，以及空间区域直方图对全局信息的编码。实验结果表明，该方法在ORL、Yale和GT等人脸数据库上表现出较高的识别率，证明了其在人脸识别领域的有效性和鲁棒性。 关键词：人脸识别、Gabor滤波器、局部三值模式、鲁棒性、加权卡方距离、Gabor幅值域图谱、局部邻域模式、区域直方图序列。