淺談改進(jìn)的LBP算法

房德峰

摘 要：局部二元模式算子法計(jì)算簡單且易于實(shí)現(xiàn)，能有效地提取人臉局部結(jié)構(gòu)的紋理特征。但是，在光照和噪聲等非理想條件下，該算法的識(shí)別率會(huì)下降。為了減少光照、噪聲等對人臉識(shí)別性能的影響，在已有局部二值模式（LBP）紋理分析算法的基礎(chǔ)上，提出了一種基于鄰域灰度中間值的局部二值模式紋理特征提取算法。算法用像素鄰域灰度值的中間值代替該像素點(diǎn)的灰度值，從而使得提取到的特征對光照變化和噪聲等更加魯棒。為了驗(yàn)證算法的有效性，在著名的AR和FERET人臉數(shù)據(jù)庫上進(jìn)行實(shí)驗(yàn)，結(jié)果表明該算法優(yōu)于傳統(tǒng)的LBP算法。

關(guān)鍵詞：人臉識(shí)別 局部二值模式 特征提取 最大散度差鑒別分析

3.2改進(jìn)后的算法

LBP作為圖像紋理表示的一種極其有效的方法，不僅能夠描述出圖像中的一些微小特征，包括亮點(diǎn)、暗點(diǎn)、穩(wěn)定區(qū)域以及各方向邊緣等，而且還能夠反映出這些特征的分布情況。這些優(yōu)點(diǎn)使得LBP特征具有極強(qiáng)的分類能力。但是在提取中心像素，對噪聲比較敏感，特別是在近統(tǒng)一模式圖像區(qū)域。既然圖像的絕大多數(shù)區(qū)域是統(tǒng)一模式區(qū)域，那么在這些近統(tǒng)一模式區(qū)域中提高LBP算子的魯棒性進(jìn)而提高整個(gè)特征空間的分類性能是非常有意義的。為了減少光照、噪聲等因素造成的局部像素灰度值的突變，在應(yīng)用LBP算子前先對該像素鄰域像素灰度值進(jìn)行排序，使用9個(gè)像素灰度值的中間值取代中心像素的灰度值，具體計(jì)算過程如圖2所示。

5.結(jié)論：為了減少光照、噪聲等非理想因素對人臉識(shí)別性能的影響，提出了一種基于鄰域像素灰度值中間值的局部二值模式紋理特征提取算法。在已有局部二值模式（LBP）紋理分析算法的基礎(chǔ)上用中心像素鄰域像素灰度的中間值代替該像素點(diǎn)的灰度值，從而使得提取到的特征對光照變化和噪聲等影響更加弱化。在著名的AR和FERET人臉數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果表明， 該算法的識(shí)別率比傳統(tǒng)的LBP算法有一定程度的提高。

參考文獻(xiàn)：

[1] R.M.Makwana， Illumination Invariant Face Recognition： A Survey of Passive Methods， Procedia Computer Science， 2010， 2：101-110.

[2] X.Y.Tan， S.C.Chen， Face recognition from a single image per person： A survey， Pattern Recognition， 2006，39：1725-1745.

[3] 李曉東，費(fèi)樹岷.一種改進(jìn)的模塊2DPCA人臉識(shí)別方法[J].系統(tǒng)仿真學(xué)報(bào)，2009， 21（15）：4672-4675.

[4] T.Ojala， M.Pietikainen， T.Maenpaa.Multiresolution Gray-scale and Rotation Invariant Texture Classification with Local Binary Patterns[J].IEEE Transactions on Pattern Analysis and Machine Intelligence， 2002， 24（7）：971-987.

[5] 趙建民，朱信忠，江小輝.基于改進(jìn)型LBP特征的人臉識(shí)別方法研究[J].計(jì)算機(jī)科學(xué)，2009，36（8）： 276-280.

[6] J.Yang， D.Zhang， A.Frangi， J.Y.Yang.Two-dimensional PCA： a new approach to appearance- based face representation and recognition[J].IEEE Trans.Pattern Anal.Mach.Intell.， 2004， 26（1）：131-137.

[7] D.Zhou ， X，Yang， N.S.Peng， Y.Z.Wang， Improved-LDA based face recognition using both facial global and local information， Pattern Recognition Letters， 2006，27： 536–543.

[8] X.D.Li， S.M.Fei， T.Zhang， Median MSD based method for face recognition， Neurocomputing， 2009， 72（16-18）： 3930-3934.

[9] Martinez A R， Benavente R.The AR face database [R].Computer Vision Center （CVC）， Barcelona， Spain， Technical Report 24， 1998.

[10] P.J.Phillips， H.Moon， S.A.Rizvi， P.J.Rauss， The FERET evaluation methodology for Face Recognition algorithms， IEEE Trans.on Pattern Analysis and Machine Intelligence， 22（10）（2000）1090-1104.[FL）