基于水平分量优先原则的RDW_LBP人脸识别算法

基于水平分量优先原则的RDW_LBP人脸识别算法 第 卷 第期 ,:,,,，:,,,,,,, , 吉 林 大 学 学 报 工 学 版 年月,:,, , ,,,,,:,,，:～,,,,:,，,,,,,,,,;,,,,，,,,;;,,,,,,,;:～,:,:，,,,,:, ! !,,,! 基于水平分量优先原则的 人脸识别算法 ,,,，,,, ,,,,王 莹李文辉傅博李慧盈倪洪印 ,,,吉林大学 计算机科学与技术学院长春 ,,::,, ,,。摘 要首先了人脸图像不同的方向性细节对识别率的影响提出了水平分量优先原则结合该原则提出了一种基于 多 尺 度 区域性方向 性加权的规范 型 二 元 局 部 纹 理 描 述 算 子 , 。,算法通过多尺度 小波分解提取多级尺度分量和含有 的鲁棒人脸识别算法, ,,，,,，,,,, ,。最多有效识别细节的一级水平细节分量组成待分析系数子图矩阵 计算矩阵 的 , , ,,,, ,,,结合子区域剖分连接子区域特征共同组成人脸图像特征向量最后使用 纹理特征图谱，,, 。 ,,,基于 距离的分类器进行识别关键词计算机应用人脸识别区域性方向性加权的:～,～,;,,,,, ,,二元局部纹理多尺度小波分解直方图特征 ,,,,,文章编号中图分类号 文献标志码 ,,,,,,,,,:,,:,:,,::,,,,,,,,,, ,,:;,;::,,,,:,,,:,,,～,～,,,,,,，,,,,,;,:,～:,,,:,,,, ,,,, : ::,,;,:,:;,,,,,,,,,,,, ,,,, , , ,，,,,，;,～～,,,:，，～,，，:,,，，，,,,,,,,,,!,,! ,,,,,～::;;:::,;,:;,:;,,,,;:～,::，,,,,;,:～,,:～～,,,::,,:～,,,,,,,,,,,,,,,, ,,,!!,, ,, ,,,,,,:,，,:,,;,,:,,,:,;,～;,;::,,,,:,,,,;,,,,:,～,,,;,,:,,,:;,;::,,,,:,,,:,,,～,,,～;,,,, , ,,,,:,:,,,,,;,;,,,,,;:,,:,,,,;,,,,,:,,,:,,,,,,;,:,,;::,,,,:,,,,;,,,,,,;,,,,,，:,,,:,,,,,,,! ,, : ::,,;,:,:;，:,,,::,;,,,～;,,:,～,,:;;::,:,,:～,,,,;,:,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, ,,,,;:,,,;::,, ,;～;,::,,,,,;, ,,,，,,, ::,;,, ,～:～ ，:,, , ,,,,,,,,,,,,,,,,,,,,, ,,,!,,, : ,:;,,,～;,:;,,;,,;::,,;,,,～,:,;，,,,,,;;:;,,:,～;,;,:,; ,,,,,,,,,,,,,,,,,,,,,,, ,,!,! ;,:;,,,:,;,,,,,,,～;,,,,,,;,;,～:,,,:,,,,,;,,,,::;,,,:,;,,,,～,:～::,,,,,,～;,:,,;,,;:,,,;,;,,,,,,,; :,～,;,,:,,;::,,,,:,,,～;,;::;,,,:,;,,,,,;,;,,,;,,,,～;;,;,;,,,:,,,,,,,,,:,;,,,,;,,,～;, ,,! ,,,,,,,,,,,,,,,;,,,,:,;,;,,,,;,:,,,,:, ,～,:～,～;,,,，,,,;,,～,;,,,,,,,～,,:,,,,;;,,,,:,;, ,, ,,,:,,,,:,,～,,～::～,:,,,～,::,,;,,;,,;,:;;,,,;,;:,,,,;,,,,:,;,:,,,,,;:,,,;, ,,,,,,,,,,,,,,,!,,,;,:, :～,～,; ,,,,:;, ～,;,:;::,:,,,～;::;:,;,,,,, ,,,: ，:,, ,; ,,,,,,,,,,,,,,,,,,,,,,,! ,,,～,::,, ,～ ，,, ,:::, ,:,,,，,, ,:,;,;,;,,,;,,,,,;,;,:,,,,,;,,;,:,,, ,,,,,,,,!,,,! ,,,, ,:～:,:,,,～:～,,:,～:,:,,,,;,,;,;:,,,,;;:;,,,:,;,,:,,,,:;,,,,,,,,,,,,,,,,,,,!,,,! ,,,,,:，;,:,,,::,～,;, ,,,:,,,:,,,:; ,;::,,,,:,,,,，,,,～,,,,:,,; ,,,;,;, ,;::,,,,,:, ,,! ,,,,,～,:,,;,～;, ,,,,,,, 收稿日期, ,:,::,,,,,,,基金项目,“”国家高技术研究发展项目,,,国家自然科学基金项目,,,,,,::,,,,:,,,,,:,,,,,,,,::,,:,, ,,,,,,,,,,作者简介王莹女博士研究生研究方向数字图像处理计算机视觉 ,,,,,,,，,,,,,,,～,,,,,::,,,,,!,, ,,,,,,,,,通信作者李文辉男教授博士生导师研究方向计算机图形学数字图像处理计算机视,,,,,, ,,，,,,～～,;,～,:,,,,,,, ,觉, 、归一化的人脸图像进行多方向多分辨率 ,,,:, 引言 :,、小波滤波并提取其对应不同方向不同尺度的多 ,, 个 幅 值 域 图 谱 人脸图像是一种能够通过非接触手段主动获 ,,,:, ,,,:, ,,,,,～,; ,,,, ,取到的生物信息通过面部图像分析进行个人身 ,,然后在每个 上采用 算子计算 ,,,,,, ，,, ,份识别一直是模式识别和人工智能领域的研究 ,其 局 部邻域关系模式在分类器设计阶段结合 , 。 ,热点多年来各国研究人员已经进行了诸多研 ,判别思想使用加权的 匹配方法 ,～;，,，,,,,, ,、究但由于实际应用环境的多变性人脸图像的非 ,进行最终二 元 分 类算 法 在 人 脸 数 据 库 ,，,，, ,唯一性与非刚性使得各类识别算法性能均与实 。上也 取 得 了 较 好 的 识 别 性 能 ,,,,,:,,,,!,,,,。 ,际商业应用具有一定距 离因 此进 一 步 ,, ,,,提 出 一 种 扩 展 性 纹 理 描,,,,,,，,, ,,,,,,, ,提高人脸识别算法的识别率和鲁棒性成为人脸 , ———述 算 子局 部 三 元 模 式 ，::,;,,,,,,!。识别课题研究的一个主要目标 ,,。对 算子的阈值函数进 ,;,，,,，,,，,,,,,,,, 基本的局部二元模式，::,,,,,;,,,,,,,!,,,,行修改将原来的一个确定阈值改进为一组阈值 ,,,最早由 提出应用于纹理分析和 ，,,,,:,,,, ,、,,区间并且将 的 二 元 纹 理模式改进为大于图 像 检 索后 期 扩 展 为 统 一 模 式 ，,,,,:, ,,,,,,, ,,,的圆邻域 以进一步降 低 属于和小于阈值区间的三元纹理模式同时为了描述子 ,;,，,,,,, ,降低算法 复 杂 度将 标 准 纹理模式拆分成 ,。，,, 描述 纹 理 的 维 数提 高 其 对 纹 理 的 刻 画 能 力 ,,,,,,,和 两 个 ,，,,,;，,,，，,,，:,;，,,,,首次将 年 算子应用于 ,,,::, ,,:,～:,;,，,, , 。纹理模 式 进 行 处 理纹 理 模 式 的 对 称 ,。 人脸 识 别为该领域拓展了 一 个 新的研 究 思 路，,, ，,, ,性和噪声阈值门限可以有效地滤除噪声在一定 在使用基本 算子计算人脸图像局 部 纹理特 ，,, ,,,,征的基础上引 入 加 权 子 块 的 思 ,,: ,～:,;,,,程度上改善了 模式对于噪声较敏感的缺陷 ，,,,, 想依据人脸图像中各分块的重要程度进行加权,,,: 。 使识别率得 到 进 一 步 提 高王 玮 等通 过 离 散进一步强化了含有大量细节特征的眼部和嘴部区 ,,小波分解提 取 两 级 低 频 分 量 的 特 征 谱 图，,, ,域图像对识 别 结 果 的 影 响该 方 法 在 人 ,，,，, 。 ,测试 也 取 得 了 较 好 的 识 别 率以 上 研 究 明。脸数 据 库 上 取 得 了 较 好 的 识 别 性 能，: ,, ,,,并描述 ,算子具有尺度不变性和旋转不变性 ，,,,等提出多尺度分块 ,～;,:,，,,,～,:,; ,,,,,,,,,了纹理的细节构成它对相似人脸图像具有较高 ,,,在 计 算 一,::，::,,,,,;,,,，,,,,,,,,,,,, !,,的辨别能力但 由 于 因 此 对 噪 的 基 元 较 小，,, ,级尺度图像的 用子 图谱基础上将图像分块 ，,,。 ,声和光照比较敏感同时先前所做的 算子 ，,, ,块的平均灰度值生成二级尺度图像并再次计算 ,的扩展及改进均在将局部邻域中的像素同等看 。 其 通 过 这 种 方 式 计 算 的 图 谱 直 至 多 级，,, ,,待的基础上提出忽略了在微观尺度上不同方向 ,在一定程度上同时包含了图像 特征直方图，,, 。的细节对识别率的影响 ,,,的微观和宏观结构特征因此比文献中的方法 ,本文提出一 种 基 于 小 波 变 换 与 区 域 性方 向 ,。 更具有鲁棒 性为 了 提 高 算子对纹理方向 ，,, ,,,,性的刻画 能 力张 文 超 等提 出 将 算 子 和 ，,,,性加 权 的二元局部模式 ,;:,,,;::,,,,,,,,,,,小波相结合的人脸识别方法算法首先对 ,,,:,,,人 脸 ,;,～,;,,::,,,,,,,,,,;,,,,,，,,,,!, 。 ,,,识别算法算法框架如图 实验显示本 所示, 。文算法能够有效提高识别率 图 本文算法框架, ,,, ,,,,;,:,，:,::,;,,:,,～, ,,,,,,,, ?? ,,, ,,吉 林 大 学 学 报 工 学 版 第卷 ,, ,,杂度的增加当冗余的特征量增加到一定的程度 算法流程 , ,使算法的准确度和反而会降低算法的识别效率 人脸图像预处理流程 。,实用性受到限制可见在人脸识别过程中选择 ,,, 、、、光照偏转尺度背景等客观 因 素 是 否 具 有 哪些特征以及怎样联合这些特征成为这类方法的 。、关键小波变换能够通过伸缩平移运算对信号 ,是识别系统是否实用的一个主要一定的鲁棒性,逐步进行多尺度细化分析可聚焦到信号的任意 。 标准有效的预处理是降低外界因素影响的一个 。, 主要手段本文的预处理部分由 个步骤构成, ,。已广泛应用于图像处理和信 号 分析领域细节、、即人脸图像归一化尺度缩放光照补偿和掩模处 ,对图像进行离散小波分解能够提取其不同尺度。理 ,下的尺度系数和 因此使 个方向上的细节系数 ,,人脸图像归一化即根据标定出的双 眼 位 置 ,“”用离散小波分解可以模拟 由全局至局部的识 ,统一将人脸库图像进行大小归一化这样能够降 。别过程 。低偏转和尺度变化对识别的影响 ,人脸图像经小波分解后可得到一系 列 不 同 ,,尺度缩放采用双线性插值算法将人脸图像 ,分辨率的子图不同分辨率的子图像对应不同的 , , ,缩放至 分 辨 率以 方 便 离散小波分解计 ×,,。 频率同一级的高频子图体现出被分解图像在不 ,。算本文统一将图像缩放至,,,×,,, ,同方向上的细节低频子图则包含被分解图像的 ,光照补偿光照变化是对识别率影响 最 大 的。 ,主要信息从一级分解后的低频的尺 个子图, 。,因素之一根 据 对 非 的 测 评 报 告,,,, ,::, 、、度系数子图 高 频 的 水 平 细 节 子 图 高 频 ，，，，,可控光照条件下的人脸识别算法进行测试结果 、的垂直细节 子 图 高 频 的 对 角 细 节 子 图 ，，，，,,,,表明在误识率为, ,,,;,::;,;,,,:,,,,,,, ,的前提下最优秀算法在高分辨率测试数据库上的 ,,中可以看出人脸的细节大多分布在眼部和嘴部,,,,,。 ,,拒识率仍然大于,,,,;;;:,;,,,,:,,,,,,子图含 有 的 眼 部 和 嘴 部 的 信 息 量 明 显 少 于 ，， ,可见光照不均造成的面部阴影及光照过度等问 。和 子 图心 理 学 研 究 中 存 在 这 样 的 观 ，， ，， ,,题会造成识别率急剧下降适当的光照补偿对提 ,点眼睛和嘴巴对正面人脸的感知和记忆是比较 。 高识别率尤为重要解决光照问题的方法主要分 。 ,重要的换 言 之含 有 较 多 眼 部 和 嘴 部 信 息 的 ,,为以下两类通过对面 从图像增强的角度入手? ,子图和 子 图能够提取出大部分利于识 ，， ，， 、, 部图像的亮度对比度和直方图分布等进行调整,,,, 。,别的细节信息同时注意到眼和嘴均具有狭长 。达到降低光 照 影 响 的 目 的通 过 分 离 人 脸 ? ,型 轮 廓故它 们的 细节 在很大程度上又集中于 ,图像中的光照分量恢复反射分量进行识别的方 ,,,,,,, 。,子 图综 上本 文 提 出 水 平 分 量 优 先 原 则 ，， ,。 法也可以较为有效地排除光照 影 响本 文 ,,, :，:,,，:,:,,::,,;,:,:;,,,,,,,,,,,,,,,, ,,即人脸图像中眼部和嘴部对识别的作用大于脸 ,分 别 使 用 了 直 方 图 均 衡 化 ，,:,,,,,,,,部其他区域在宏观细节表现上人脸图像经过离 ,,,,,,和 校正 :，,,;～,,,:,，，，,,:,,,,,,,,,,,散小波分解后的 水平细节分量 个细节分量中 ,。算法进行光照预处理 ,包含最多利于识别的面部细节特征 本文 部 ,,, ,,掩模处理使用掩模处理主要为了压缩与识 。,分对 进行了数据验证，:,, 。别不相关或变化比较大的区域 区域性方向性加权二元局部模式 ,,,, 离散小波变换及水平分量优先原则,,, 基本二元局部模式及其统一模式 ,,,,,,研究表明全局和局部特征对人脸的 感 知 和 ,识别都非常重要全局特征一般用于描述类间变 ,根据局部区域的中 算子的主要思想是，,, 心像素灰度值和其邻域像素灰度值的二值关系生 ,,,,化以进行粗略匹配而局 ,;:,,,,;;,:;，,,,,,,,, ,成其对应的十进制编码再通过计算图像 图 ，,, ,部特 征 则 可 以 提 取 更 多 类 内 变 化 ，,,,,:,,,, , 。谱的直方图去描述纹理细节基 本 的 算 子 ,, ，,。 ,信 息提 供 更 为 精 细 的 身 份 确 认由 ,;;,:;,,,, ,由一个矩阵中包含的矩阵构成个像素点 ,×, , ,于宏观上个体间的面部结构大多比较相似因此 。 ,的灰度值假定中心像素点的灰度值为周围 。 人脸图 像 的 细 节 信 息 对 识 别 更 有 重 要 意 义但 ,: ,、,,。 ,,是使用多层次多尺度的完整面部细节信息在 的如图所示则基 个像素分别为, ,, : ,:,, ,提高识别率的同时势必会伴随特征冗余度和复 本 为 ，,, ,,的正下方和正上方它们和中心像素的灰度差 ,: ，,,,,,,,? ，,,, ,, ,,:,,,:,, ?,代表了局部纹理在水平方向的亮度变化因此其 ，: , , ,,:,,:?,,,权重最大和位于中心像素的水平左右邻 ,,: , ,,,, ,,,,,,:, ,,,、、:,:其权重 次 之和 与中心像素呈现对 ,,,:, ,,,,, , , , ,。 角位置其权重最小本文使用像素灰度差的阈 ,值大小来体现不同的权重对于权重最大的正上 ,方和正下方像素其与中心像素的二值化阈值与 ,基本 而对于其他权值较 算子计算方式相同 ，,, ,,,小的像素则设定不同的二值化阈值图 深 中, ,灰色代表 阈 值为 浅 灰 色 代 表 阈 值为 ,,:, , δδ ,。 ,,白色代表阈值为这样对于基 :,,:,×, δ: ,,元矩阵 的 的 计 算 公 式 演 变 为 式 ,,，,, ,,: 图基本 算子 , ，,, , ,,。,时 转变为注意到当, ,，,, ,,, ,δ δ δ: ,, ,,,,,,:，,,:;,:,,,,,, ,,基本 ，,,,,,,随后将 矩 形 邻域扩展到任意 :,,,×, ,, ,，,半径的圆形邻域用 表示在半径为的邻 ，,,,, ,, ,,,,, ,,? ,, ，,,, , ,,, ,,:,,,:,, ?，: ,。 ,域内有但随着采样点数增加二进 个采样点 , , , ,:,, ,, ?δ : 烄。烄制模式的种类会急剧增加发现在种模 :,,,,,,,,,,,,,,,,,,,: 烅 ,:,,,,:,δ: ,,式中大部分都很少在图像中出现因此提出采用 烆 ,。 ,,统一模 式 来 降 低 模 式 数 量,,,,:, ,;,,,,,,,,,,,:?δ,, 烄,,,,,,,:,,?? δδδ,,,,:,:,, 烅烅规定二进制编码中和变化 ,,:, ，,, :, ,: , ,,,,,:,,,,:δ,, 烆,的次数小于仍采用其原始编 次的为统一模式, , ,,,,,:?δ, 烄,,,,,,,,,,,,,,,,,:,,,码表示其余的为非统一模式所有的非统一模式 烅, :,,,,:δ,, 烆烆 ,, , 。 ,都 采 用 相 同 编 码 表 示以为 例其 ，,,,,, 相应可推 广 到 圆 形 邻 域 的 编 码 ,,，,,,,,, ,～,,的 数 量 由 记 作 编码 模 式, ,,:，,,，,,,,,,, , 。,模式由 于 圆 形 邻 域 的 像 素 对 称 性可 以 推 算 ,～,,且 实 验 表 明 能 够 表 种降 低 至 种,,, ,, ，,,,,, ,,,,,区间的阈值设定情况再通过对称变换 :?,:?。现出所有纹理的近的信息量,:, 。 即可得到整个圆形域的阈值分布假定圆形邻域，方向性加权二元局部模式 ,。,,,,,,,，,,内有 个采样像素点则圆形域的像 素 ,, ,,, ,,,编号如图将圆周分为取第 左图所示个区间根据 本文提出在纹理基元 上 根据不 , , ，:,, 。同方向加权的二元局部模式 。 ,,,，,,,,，,, 区间为例进行阈值 排 序 分 析遵 循 越 ,,，:,,? ,,认 为人 脸 图 像 这 种 特 殊 的 纹 理同 样 符 合 ，,,,像素的点其对应的二值化接近于编号 ,,×, ,, ,故其局 部 邻 域 中 的 像 素 不 应 分 配 以 同 等 ，:,,,… ,,,,阈值 越 小越 接 近 于 编 号, ,， ,,δ, ,。的权重而应区别对待由于水平方向信息更有 , ,，,,。 像 素 的 点 其 对 应 的 二 值 化 阈 值 越 大 ×,,,,, , 利于识别因此对于水平方向的灰度变化应赋予 , ,。…所有阈值呈折线型分布且有 ? ?。,δδ较大权重以参见 : , ?δ， 矩阵的邻域像素为例,×, , ,,,因此的编码模式可以用下式表达,。 图其中不 同 的 灰 度 代 表 不 同 的 权 重颜 色 由 ,,，,,,,,,, ,,,,, ,,,深至浅权重 由 大 到 小和 处 于 中 心 像 素 ,,… ,,, ,,,, ,, θ ,,:,,,:， , ,,, 算子图 ,,，,, ,,图算子 , ,,，,,,,,, ,,,, ,～;,,，,,:;,,,:, ,,,, ,,,,,,～;,，,,:;,:,,,,,,, , ?? ,,, ,,吉 林 大 学 学 报 工 学 版 第卷 ,, , ,,， ,,, ,? ,,，,,,, , , , ,,实验与分析,, , ,,:, ?，: , 测评用人脸库介绍 ,,,,,:?δ, ,,,, 烄,,,, ,,,,,,:, 烅,为了测试 本 文 选 取 的算 法 性 能,,,，,, , ,:,,δ,, ,:, 烆 ,,,。?式中代表双线性插值计算 ,，了人脸识别研究领域中最常用的个人脸测试数 , ,。,,据库进行测试如图和 所示,, :,，, 在 的 基 础 上 计 算 统 一 模 式 的 ,,，,,,,,, ,,,,,,,,～ ,由西班牙巴塞罗那计 ,,,:;,,,,,,;,,,。和 的方式相同这里不再赘述 ,,,，,,:,,,,,,, ,,算机视觉中心建立包含 人 的 个 ,,,,,,;,,:,,为了方便计算以下的 均使用 基 , × ,，,,,,, 。元矩阵的统一模式进行分析 ,,共有男性女性图像采集间隔周人人的 ,,:,, 。,幅图像摄像机参数光照环境及摄像机距 的区域加权模式 ,:,,,,,,, ,,，,,,,,，,,,, 。,,,离等都经过严格控制为了排除性别不同而带来 结合 和 文 献 中 的 加 权 算 法在 宏 ，:,, , ,的算法识别率变化本文从名男性中随机挑选, 观上对面部 图谱的不同分块进行加权,: ,,，,, , 。 以进一步提高识别率图显示了将分 , ,,×,, ,。与 人名女性共同组成训练及测试人脸库 ,:,:,辨率的脸部图像划分为不同数量的子块以及子 由于本文着重测试对于无遮挡环境下的算法识别。,块的加权情况加权的依据是眼部分块具有最大 ,效率因 此 从 每 人 张图片中选出没有遮挡的 ,, ,,,,,,的权重深灰色嘴部分块权重次之浅灰色面 ,,其 中 张 用 于 训 练 张 图 片中 的 ,, ,;,,:,, , ,,,,颊和额头部位的权重再次白色其余部位权重为 。 中的张用于测试,;,,:,, , ,,,,。 代表可以不列入计算的区域黑色在实际应 :,,,,, 由 剑 桥 大 学 :,，,:;,,,,,,;,,,。,,,,用中可以根据人脸定位的结果进行权重调整 ,,实验室创建包含部分 人共张面部图像,: ,:: 。志愿者的图像包括了头部姿态和面部饰物的变化 本文试验时选择每位志愿者编号为奇数的张图 , ,。片进行训练编号为偶数的张图片用于测试, 子区域不同设置权重示例图 ,验证测试,,, ，:,, ,, ,,,;～,,;:～;,;～;,,,,,,,,,,,,,,,,,,,,,,,,!节从心理认知规律和离散小波分解后的 ,,,,,;,,～;:,～,;:,,,,,, ,、多 尺 度多方 向细 节子 图信息含量方面阐述了 基于 的人脸识别分类器设计 ,,,,,,，,, ,。 ,。在本 节 中将 为 提 供 数 据 支 持 ，:,,，:,, 基于 的 人 脸 描 述 方 法 的 人 脸 分 , ,,，,,, ,类器采用 距 离 计算特征直方图间的 测试方法为对 预 处 理 后 图 像 进 行 小 波 一 :～,～,;,, ，,,,,, 。,相似度假定使用可得到多级分 级小波分解,。, 级分 解将 个系数子图分别作为 待 分析矩阵 , ,,,, 解后的 尺 度 系 数 和 细 节 系 数记 作 ，，，，, , ,使用并提取其各 的边长分割待分析矩阵× ,,,, ,,,,,… ,, ,子区域的基本 连接后作为特征特征直方图，，，，，，，，，，，， , , , ,,,,,,,,,，,, ,,。 ,, 将 分 解 后 的 多 级 尺 度 系 数 ，，，， ,, ,，，,。,,向量使用 距离计算识别率见表 :～,～,;,,,,,,… ,,,和 一 级 水 平 细 节 系 数 共 ，，，，，，,, ,,,,,,从表中 看 出一 级 小 波 分 解 后 的 个 分 量 中 , , ,,每一个子图分成 个子区域分 个子图，, ,×, ,单 独 使 用 此 分 分量包含 最 完 整 的 人 脸 信 息，， ,别对每个子区域计算 并将所有 直方图,,，,, ,,,量识别正面人脸即可获得较高的识别率分 ，， 的 直方图串接为 一 个 序 列 作 为 最 终 ,,，,, , ,,量和 但 分量的平均 分量的识别率较高 ，，，， 。,的人脸特征同 时设 是 第个 子 图 的 第,, ，, ，, ,识别 率 比 高 这 验证了在人脸图像 , ，， ,,,:,,, 个子区域的权值代表特征直方图的第个 ,,,,,,这种特殊的纹理中水平细节分量提供的有效识 , 则样本图像特征直方图 和测试图像特 征 直 方, , , , ,,,,,图 的相似度 如下,, , , χ ,,,, ,,，,,… ,，,,… ,，,,… ,，,, ,，，, ,,,,,,,,,,, ,,, , ,,,, ,,,, ,,， ,，,,,,, ,, ,,,, , ,,,, , , ,，,? χ,, 图部分 和 人脸库样本 ?, , :, ,， ,, ,,,,,,,， ，,，,, ，,, ,,:,,,,,,,,:,,;,,,,,,，,:;,,,,,,;,,,,,,,,, ,,, ,别信息高于垂 直细节分量的原则 分 量 在 ，，, ,组人脸库上的平均识别率仅有可见对角 ,,::, 。 细节对 识 别 的 贡 献 率 极 低从 对比数据可以看 ,出人脸图像的水平细节在微观上对识别率具有 ,,最大的贡献率其大于垂直分量和对角分量这验 。证了 的正确性 ，:,, 表小波一级分解后各分量的 特征识别率, ，,,，,,, ,,,;,,;::,:,,;～,,，,,:,,;;,::;:;,, ,,,,,,,,,,,,,,,,, ,, : , ,;:,;;,;，,,,,,;;,;::,:,,,,,,,,,,,,,,图不同的 系数图谱 , ，， ,,,, ,,:;,,,,,,,;，，,，，,，，,，，, ,,,,,;;,，，::;:;,,,,,,,,,,,,,,,,, ,,,,,,,,,,,,,,,,,,,,:,各组的 列 数 据 中 可 以 看 出小 波 ， ，，，，，,,, :,， ,,,,: ,,,,: ,,,:: ,,,: ,显 示 出最优的识别 效 果其平均识别率分别比 小 波 和 小 波 高 和 , ,,～,;:～;,,,,,:,,,,,, ! 算法测试数据对比及分析,,, 。,其主要原因是虽然 种小波一级分解 :,,,, , 小波类型对识别率的影响 ,,,,, ,后的低频分量 小波的信息保留是最中，， ，,, , 由于不同的小波基对图像分解会产生不同的 ,,,结果见图 为了测试小波类型 对 识别率的 影 ,,。但其保留了最丰 富 的 高 频 细 节 不完 整 的，， ,,响本文 对 比 了 和 三 ，,～,～, ,,, ,,,,;:;,,,!,,,对人脸识别而言对表 低频分量信息越丰富，， 。 类小波分别在 和 人脸库上的识别情况,, :,， ,情和光照的鲁棒性越差表 列数中各组的 , ，， ,测试时将一级小波分解后系数子图 组 ，，，，， ,。,据所示同时 高频分量提供细节信息越多 ，， ,。合作为待分析系数子图矩阵 ,,越有利于提升 识 别 率因 此 综 合 而 言使 用 ，,,,,表从显示了小波基对最终识别率的影响, 。小波的最终识别率是最优的 小波一级分解后 表及的特征识别率, ，，，，， ，， ，,, :,,, ,:,:,～,，,,:,，，，，，:,,,，，:,:,,,,:,:,,;;:,,,,;,:;:;,,,:;:;,,,,;,;;,;,,;;,;:,,,,,,,,,,,,,,,,,,,,,,, ，,, ,,, ,,,,～,;:～;,,,!, ,,:;,,,,,,,; ，,,，,,，,,，，，，，，，，，，，，，，，，，， ,,,,,,:,,,,,,,,,,,,,,,,,,,,,,,,, :,， ,,,:: ,,,,: ,,,,: ,,,,: ,,,,: ,,,,: 小波分解层数对识别率的影响取平均识别率最高的 层 分 解 后 的 小 波 ,,,,,， , ,,, 。作为待分析系数子图矩阵 ，，，，，，，，, , , ,小波是多尺度分析的重要工具不同 的 分 解 小波不同分解层数下的 特征识别率表 ,,, ，,,，,,,层数能够提取出不同尺度下的细节体现不同的 。 面部特征但由 于 算子 描 述的是局部纹理 ，,, ,,,;,,,:,:,～,，,, :, ,, ， ;:,,,,;,;,;,,,,,,,,,,,, ,特征过多的分解层数将会导致待分析子图矩阵 :,,,;,;,,;::,,,,,:,,;,;,, , ,。,像素数量过少算子会对噪声更为敏感因此这 ,,:;，，，，，，，，，，，，，，，，，，，，，，，， ,,,,,,,里将测试不同的小波分解层数对最终识别率的影 , ,,,,,,,,,,; ,,。 响选用中验证过识别率最高的 小 ,,,,, ，,,, ,,,,,,:,,,,,,,,,:,、波作为 小 波 基分 别 测 试 分 解 级级 级 和 :,， ,,,:: ,,,:: ,,,:: , , , ,,,。 使用基本 见表仍 特征的识别情况 ，,,,后 不同算法的识别率对比 ,,,,,,使用 每一级分量剖分成算法进行光照补偿，， ,使用 近 一 步 小 波 基 的 层 分 解 形 式 ，,,,, 。, 从表个子区域中的对比数据可以看出× ,,,测试本文 提 出 的 人脸识别特征的识 ,,, ，,, ,,,,,,增加 小 波 的 分 解 层 数能 够 提 高 最 终 的 识 ,,,，,,, ,和 识别算 法别率这里选择,,,～;,,,:;,，,, 。,别率但是 并 非 分 解 层 数 越 多 越 好表 显 示 , 。 ,进行识别率测试及对比分析同时也分别测试小波分解层后的平 均 识 别 率 较 级 分 解，,,,, , 了在 和 两 种 光 线 补 偿 :,,:，,,, ，， ，,,,, ,的 平 均 识 别 率 有 所 下 降且 纹 理 特 征 维 数 增 加。 算法下的识别率情况从图和图的识别率对 ,,,。 也将 导 致 处 理 速 度 的 下 降所 以 本 文 选维 ,,,,,比情况看出在光照变化范围较小的情况下例如 ,,采 用 和 人脸 库算法就能够达到 ,,:,，，， ?? ,,, ,,吉 林 大 学 学 报 工 学 版 第卷 ,, ,较好的补偿效果而 校正算, 和 的识别率 分 别 提 高 ，，:,,:,,,,,,,，,, ，，，,, ,,,:, ,,, ,,法对此类情况下的补偿效果并不明显且算法降 ,在 人 脸 库 的 和 张 测 试 , , ,,,:,,,,:,， ,::,低了局部对比度反而不利于从提取纹理特征的 ,,图 片 中正 确 识 别 出 这 个 结 果 比张,,, 。 角度进行识别在采用 算法进行补偿的结果 ，， ,和 的识别率分别提,,,～;,,,:;,，,, ，,,,，，,, ,中本文提出的 和 算法在 ，, ，,,,,，,,,, ,, ,。,高实 验 数 据 显 示 和 , , , ,,::,,:::,,:,,人 脸 库 上都 取 得 了 最 佳 识 别 率分 别 为 :,， 具有较强的人脸纹理特征描述能力和 ,,,，,, ,,, 这 个 结 果 比 和 ,,,::, ,,,,:, ,,～;,:;,,,,、。对表情姿态的鲁棒性 图本文算法和对比算法在 人脸库上的识别率情况 , ,, ,;::,:,,;:,,,,，,,,,,::,,;,,;～:,,:,,,,:;,,,,,,;,,,,,,,,,, ,,,,, ,, 图本文算法和对比算法在 人脸库上的识别率情况 , :,， ,,～,,,,:,;::,:,,;:,,，,,,,,::,;,;～:,,:,,，,:;,,,,,, ;:～,;,，,，:,,,,,,,,,,,,,,, ,,,,, ,,,,,, :,，,,:,,,,,:, ,,::;,,,,,,,;,,,::,,, ! ～结束语 ,,,,,,,,,,, ,,,, ,:,,, ,,,;,,，,,,;, ,，,,,::, ,,, ::,,,,,,,;,, 首先分析了人脸图像方向性细节对识别率的,,～,:,,;,,～,; ,;,,～,;, ,,,～:,,,,,,,:,,,:, ,,,;, ! ,。, 影响提 出 并 验 证 了 结 论结 合 ，:,, ，:,,,,, :,,;,,～,; ,,,,,,,～,,:,,，,,,,,;,, ,;::,,,,:,,提出一种基于多尺度区域性方向性加权的规范 ,,,,, ,,,,,,,,,,,,,型二元局 部 纹 理 描 述 算 子 的 鲁 棒 人 ,,,，,, ,,,,,: ,, ,,,,,,,;，,,;,,;,,,,～;,:～:, ,,,,,,,,,,,,,,。 , ,脸识别算法实 验 结 果 表 明相 对 于 算 子，,, ,,::,,,～,,,:,;,,,,,,,,,,,;,,,;:,,,:,,,,,,,,,,,,!,, 本文提出 的 算 子在未增加计算复杂 , ,,，,,,,,:,,,,,～,::,,,,,,,,,,;,,,，,，，，， ,,,,,,:, !,,,度的 前 提 下有 效 提 高 了 识 别 率且 大 量 数 据 显 , , , ,,:,,:,,,,;,,,,,,,,,,:～,;,,;;,:;,,,,，,,,!,,。示本文算法具有较高的鲁棒性 ,,,, ,::,,,,,,,,,,,, ,,,,,, ， ,,,:,,～:,;,,,,,,,;，,,;,,,,:; ,,,,,, ,参考文献,,,;::,:,,～::,,,,,;,,:,,:: ,,,,,,,,,,,,,,，,,?! ～ : :, :～;，～,:;,,:,:,:;,,,:,,,,,,,, ,,,, ,，,,,,,,, ， ,,, ,～;:,:;;::,:,,,,,,,,,,,,,,!,,,,,，::,,::,,,,,,,,,::,, ,,,,,,,,,, :,,,,: ,～:,;,，,,,, ,,,;,,，,,,;, ,,,,:; ,;,,,,,,,::,,;,,,;,～,,,,;,,,,:，,,::,,,,,,, ,,,,,,,,:,,,,:, ,,,～,::,,,,,,,,,,;,,,,,,:,,,:,,: ,,,～,,,,,,,,,,,:,,,,,,::,,;,～,,,,,, , ,!,,,,, ,, ,:;;::,:,，,，，，,,,,,::,,:,,,;, ,,,,,,,,，,,,,,,, ,,,,,,,,,,,,,,,,,, ,,:～,,;，,,;,,,;,:;,,,::,,, , ,!,,,,:,,,;,,,,;:::,,,:～,,，,,,,; ,,,，,,,,,,,, ,,,,:,,,:,,,,,::;,,,,,,,,, ，,,,,:,,,,,,,,;,,,,， ,～,,,, , , ,,,,,,,～,,,，,,: ,～;,:,,,～～ ,,,,,,,，;, ,～;,;, ,,,::,, ,,,, ,,,,, ，;,,,,～,:,;,::，::,,,,,;,,,,,,,,,,,,,,,,,,,,,!,,,,,，，,,,,,,,,:;;::,:,～,,;,,,,,,,,,, ,,, ,,,::,:,:,:,,:,,,，, ,:;,;:,,:;;,,,,,,，，,?,,, ～:,,～,::,,:,,～,,,;;,,;:,,,,,,,,,,,,,,,!,,,,,,, ,, ,;,,:,,::,;;,:;:,,:;:,:,,::，,,,,,,,，,,,, ,,～，，，,;,,:,,::,;;,:;:,,～:,,,,,,,,,，，,,,,?,，， ,,,,, ,;:～，:;,,,,,,,,,,,::,, ,,,, :,,:;,,,,;,～;,;::,:,,,,,::,,,,,,,,,::,,,,, ,,张文超山世光张洪明等基于局部 变化直,,,,,:,,,,,,,, ,方图序列的人脸描述与识别,,软件学报,,，, ,::,,,,,,,,,，:,,:, ,,,～,,,,,::,;,,, ,～,:,;;,,,,,,,,,, ,,,,,,,:,,,,,,, ,,:,,,～,,::,,, ;,,,,;,;,;;:,,;,,,,,,,,,,,, ,, ,～,,,;,:～,:,～,,,～～,,,～,,，:,,, ,, , ,,,,,,,, ～;～～,,:,,;,,:,:,:;,;,，,，，，,,,,,:,,,,，,,,, ,～,,;,,,,，,,,:,,,,;;,:;:,,::,,,,:,,,,,,,,,,! ,,,,,,,:,,:,,;,::;,,,,,,,,,,,，,,,,,,,,,,, ,,,: ,:, ,,,,:,，, ，,,,;,,,:;;,:,,,;,:,,,,,,,,,,,,,,, , ,,,,,:～;,;:,，;,，::,～,,:,::;,,,，,,,,,,,,,,,, ,,,,,,,:,:,,;,,,,:,,,,,,,,,,,,,::,,,, :,,,,:,:,::,～:,:, ～,,,,,,,,,,,,:;,;:,,,,,,,,,,:～,,,, ,,,,,,:,,,,,,，,～,,:;,::,;,～; ,,,,,,,,,,,,,,!,,,, ,,,,:;;::,,;,,,:，,，，，,,,,,:,,,,,,，,,,,,,,, ,;,,～,;,;,,,:,,,:;,;::,,,,:,～,,;,,,,,,:～,,,,～,,, ,,,,,:,:,,,,,,,:,,,,:,,,,;,,,;,;,:,,,,;,!!,!, ,, ,,::,,:,,:，，，,;,,:,,:，,～:,，，,,,,,,,,,?,,,,,, ,,,,,,,,,,;,:,,,::,,,, ,,,, ,:,,: ,,, ,～,,,,;,:;,,;,,,;,,,,,,!, ,,,,,,,,,, ,,,,,,,,:，,,::,:,,,,～,:;,,,,,;,,,,,,:,,,,,,,,,,,,::,，;,;,;,;,,,,,,,,,,,,,,,::,, ,,,,,,,,;:;,:～:,,;,;,～,;,,,,,,,,,;,～,,,,,,,,:, , ,,, ,,,,,,:,,,,,,，,～,,:;,::,;,～; ,,,,,,,,,,,,!,,,, , ;,～;,;,:,:;;::,:,～,,;,:～～,,,,,,,,,,,,,,,,,,,,,,, ,,,,,,,,,,,,,;,, ,,;,,,;,,;,,,～; ,,,,:;,,,,,,,; ,,,::,,:,,，,，，， ,,,,,::,,:,,,;,::;,,,，,,,，,, ,,,,,:,,:,: ,;:～,;,,,,,,,,,, , ,,,,,,,,,,,,,,:,,, ,,:,:,,,,,,,,,,,, ,,:,，,:;,,,,,,;,,:，,,::,,,:,,～,,,,,,,,,,,,,, 王玮黄非非李 见 为等使 用 多 尺 度 特 征 描,:,，,, ,,,,,,,,:,:,,,,:,～，;,;,:～,,,:～,;,:;,,,,,,,,,, ,,,,,,,,,述与识别人脸光 学 精 密 工 程 ,，,,,,,,::,,,,,,,,;,～,, ,,, ,,,,,,,;，～,,,;;，，,,,;;,,,,:,,,,,,,,,,:,, , ,,,,,,,,,,;～～,;～,，，;,,,～,，,，;,,,,，,，;,,,,,,,, ,,,,;,::,,,,;::,:,～,,,～,:,;，,,,,,,,,,,,,,,,, ,,,,,～:,:, ～,,:;,,,,;,,:;,,;:,,:,,,,;:: ,,,,,,,,,,,,,,;,,,,;,,～,;，,:,,:,,,, ,,;:,,,:, ，,,,;;,,,, ,,,,::,, ,;,:;::,，,，，，,,,,,::,,:,,,;, ,,,，,,,,,,,,, ,,,,, ,,,,,,,,,, ,,:～,,;，,,;,,,;,:;,,,,, !,,,,,,,,,,,,,, ,,:, ,,,,,,:,, ,