人臉識(shí)別由于具有友好、非侵犯性等優(yōu)點(diǎn),一直是科研人員的研究熱門領(lǐng)域。目前,人臉識(shí)別技術(shù)已經(jīng)比較成熟,在金融、交通、安保、醫(yī)療、教育等領(lǐng)域都得到了廣泛的應(yīng)用。人臉識(shí)別特征提取算法從全局特征到局部特征不斷的在改進(jìn)。對(duì)于局部特征提取而言,局部二值模式（Local Binary Pattern,LBP）算子特征提取識(shí)別效果好并且原理簡(jiǎn)單,作為其改進(jìn)型的局部方向模式（Local Directional Pattern,LDP）算子不僅繼承了局部二值模式的所有優(yōu)點(diǎn),并對(duì)光照、噪聲等表現(xiàn)更魯棒。論文將從LDP算子的角度出發(fā),提出幾種多特征融合的人臉識(shí)別算法。論文主要研究?jī)?nèi)容有:（1）提出一種雙運(yùn)算局部方向模式（Double Operation Local Directional Pattern,DOLDP）的人臉特征提取算法。首先,將經(jīng)過預(yù)處理的人臉圖像提取3×3領(lǐng)域像素塊,與8個(gè)不同方向并固定模板半徑的Kirsch算子卷積,得到相應(yīng)的3×3大小邊緣響應(yīng)值;然后,將其按照逆時(shí)針方向前后分別作差和作和,得到兩組3×3大小和相應(yīng)方向的邊緣響應(yīng)差值和和值。最后,將兩組相應(yīng)的邊緣響應(yīng)值的位置編碼并求絕對(duì)值,... 

【文章來源】：湘潭大學(xué)湖南省

【文章頁(yè)數(shù)】：54 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Roberts邊緣檢測(cè)算子

普拉斯算子[61]；方向算子：Kirsch 算子[62]；非微分邊緣檢測(cè)算下面就將算子進(jìn)行簡(jiǎn)單的原理介紹和優(yōu)缺點(diǎn)分析。berts 算子erts 算子是第一個(gè)邊緣特征檢測(cè)算子，其模板大小為 2×2，采尋找邊緣，有左對(duì)角線和右對(duì)角線兩種方式，如圖 2.1 所示結(jié)構(gòu)簡(jiǎn)單，計(jì)算量小，并且對(duì)邊緣紋理細(xì)節(jié)反應(yīng)敏感的優(yōu)點(diǎn)，，容易受到噪聲的干擾。Roberts 算子邊緣檢測(cè)效果如圖 2.2 圖 2.1 Roberts 邊緣檢測(cè)算子

（a）水平方向 （b）垂直方向圖 2.3 改進(jìn) Roberts 算子子采用大小為 3×3 的卷積模板。Sobel 算子首先對(duì)像像素點(diǎn)附近的領(lǐng)域像素點(diǎn)對(duì)其起到的作用不是一置不同的領(lǐng)域像素具有不同大小的權(quán)值，像素塊同。一般來說，離中心點(diǎn)像素距離越遠(yuǎn)，對(duì)其作位置引入了局部平均的運(yùn)算，相當(dāng)于一個(gè)均勻?yàn)V波響。Sobel 算子模板如圖 2.4 所示。Sobel 算子邊緣檢

【參考文獻(xiàn)】：
期刊論文
[1]融合局部方向模式和卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別[J]. 周鑫燚,張軍朝,甘勝江.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(10)
[2]輸電線巡檢機(jī)器人弱光條件下的障礙物識(shí)別研究[J]. 黃樂,吳功平,葉旭輝.  光學(xué)學(xué)報(bào). 2018(09)
[3]基于可變局部邊緣模式的綠色植物物種識(shí)別[J]. 陳肖蒙,王瑜,肖洪兵.  智能系統(tǒng)學(xué)報(bào). 2018(04)
[4]基于多通道圖判別投影HAAR特征的多視角人臉檢測(cè)[J]. 沈繼鋒,時(shí)士偉,左欣,徐丹.  數(shù)據(jù)采集與處理. 2018(02)
[5]基于BSLDP和典型相關(guān)分析的掌紋掌脈融合識(shí)別[J]. 李新春,張春華,林森.  激光與光電子學(xué)進(jìn)展. 2018(05)
[6]雙空間局部方向模式的人臉識(shí)別[J]. 楊恢先,劉建,張孟娟,周彤彤.  中國(guó)圖象圖形學(xué)報(bào). 2017(11)
[7]基于熵加權(quán)Gabor特征的魯棒人臉識(shí)別方法[J]. 陳婧,張?zhí)K.  控制工程. 2017(08)
[8]基于顯著性差值局部定向模式和深度卷積網(wǎng)絡(luò)的魯棒人臉識(shí)別[J]. 吳迪,胡慧,李亞.  光電子·激光. 2017(08)
[9]基于主成分分析與局部二值模式的高光譜圖像分類[J]. 葉珍,白璘.  激光與光電子學(xué)進(jìn)展. 2017(11)
[10]基于多特征和局部聯(lián)合稀疏表示的目標(biāo)跟蹤[J]. 李敬軒,宗群.  激光與光電子學(xué)進(jìn)展. 2017(10)



本文編號(hào)：3129400