本文選題：人臉識別 + 局部方向模式　； 參考：《計算機科學》2017年12期

【摘要】：針對現(xiàn)有的局部方向模式LDP(Local Directional Pattern)方法僅利用了圖像自身的LDP特征的問題,提出將LDP特征直方圖與貝葉斯(Bayes)模型相結合的方法,從而有效使用人臉圖像的先驗信息,以提高人臉的識別率。第一步,在相互獨立的訓練集上,學習同類樣本圖像和異類樣本圖像的LDP直方圖特征相似度的先驗信息,并估計類條件概率密度函數(shù)(同類樣本與異類樣本分別進行計算);第二步,利用人臉圖像的LDP直方圖來比較該圖像是否為某一類型圖像的概率數(shù)值大小;第三步,使用貝葉斯規(guī)則進行分類。仿真結果證明,在ORL庫與Yale庫上,與傳統(tǒng)PCA,LBP和LDP算法相比,所提方法得到的人臉識別率均有顯著提升。
[Abstract]:In order to solve the problem that the existing local direction pattern LDP(Local Directional pattern method only utilizes the LDP features of the image itself, a method combining the LDP feature histogram with the Bayesian Bayes model is proposed to effectively use the prior information of the face image. In order to improve the face recognition rate. The first step is to learn the prior information of LDP histogram feature similarity between the same kind of sample image and the heterogeneous sample image on the independent training set. And estimate the class conditional probability density function (the similar sample and the heterogeneous sample are calculated separately; the second step, using the LDP histogram of the face image to compare the probability value of the image whether the image is a certain type of image; the third step, Use Bayesian rules to classify. The simulation results show that compared with the traditional PCA-LBP and LDP algorithms, the proposed method can significantly improve the face recognition rate in the ORL library and the Yale library.
【作者單位】： 蘭州理工大學計算機與通信學院;
【基金】：國家自然科學基金:多民族欠發(fā)達地區(qū)傳染病傳播動力學特征分析與建模(61263019)資助
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 彭天強;李弼程;;基于樸素貝葉斯模型的新聞故事分割方法[J];計算機工程;2009年20期

2 伍杰華;;基于樹狀樸素貝葉斯模型的社會網(wǎng)絡關系預測[J];計算機應用;2013年11期

3 程嵐嵐,何丕廉,孫越恒;基于樸素貝葉斯模型的中文關鍵詞提取算法研究[J];計算機應用;2005年12期

4 周s踽，

本文編號：1846164