[发明专利]一种人脸图像凸凹模式纹理特征提取及识别方法

摘要

本发明涉及一种人脸图像凸凹模式纹理特征提取及识别方法，属于模式识别技术领域。本发明首先对图像进行分块，然后对各分块图像进行双线性插值，接着计算分块图像中每个像素点沿8个方向局部差分，并对此局部差分进行凸凹特性编码，得到图像块的多分辨率局部凸凹特性矩阵，然后提取此图像块的多分辨率局部凸凹特性矩阵的直方图特征向量，依次连接各分块图像的直方图特征向量得到原始图像的直方图特征向量，最后把该特征向量送入基于卡方统计量的最近邻分类器进行分类识别。本发明对图像局部差分进行局部凸凹特性编码，局部凸凹特性表明了图像局部灰度起伏变化的一种特性，具有很强的图像局部纹理描述能力，能有效的进行光照环境下人脸识别。

主权项

一种人脸图像凸凹模式纹理特征提取及识别方法，其特征在于：首先对图像进行分块，然后对各分块图像进行双线性插值，使得图像中每个像素点能构建8个对称方向，接着计算分块图像中每个像素点沿8个方向局部差分，并对此局部差分进行凸凹特性编码，得到此像素点的多分辨率局部凸凹特性，依次计算图像块中每个像素点的多分辨率局部凸凹特性，得到图像块的多分辨率局部凸凹特性矩阵，然后再对图像块的多分辨率局部凸凹特性矩阵提取直方图特征向量，得到图像块的直方图特征向量；接下来将每个图像块的直方图特征向量依次连接起来，得到原始图像的直方图特征向量，最后把该特征向量送入基于卡方统计量的最近邻分类器进行分类识别；所述人脸图像凸凹模式纹理特征提取及识别方法的具体步骤如下：Step1、首先将图像进行分块：把图像I(l)均匀分成4×4的无重叠方块，一共16块，表示为Step2、对各分块图像进行双线性插值，使得每个像素点能构建关于该像素点对称的8个方向；Step3、然后计算每个像素点沿不同方向的局部差分，图像块中像素点X0沿八个方向的局部差分为：和其中i＝0,1,2,3和j＝0,1,2,3；其中，表示图像中X0处的像素值，和表示图像中Pi和Pi+4处的像素值，和表示图像中Qj和Qj+4处的像素值；Step4、此局部差分进行凸凹特性编码，得到此像素点的多分辨率局部凸凹特性，依次计算图像块中每个像素点的多分辨率局部凸凹特性，得到图像块的多分辨率局部凸凹特性矩阵；其中图像块中像素点X0的凸凹特性编码公式为：MLCCPM1,8(X0)D=Σi=03[f(IX0-0.5*(IPi+IPi+4))*2i*2]+Σj=03[f(IX0-0.5*(IQj+IQj+4))*2j*2+1]]]>其中，表示图像中X0处的像素值，和表示图像中Pi和Pi+4处的像素值，和表示图像中Qj和Qj+4处的像素值，MLCCPM1,8(X0)D中下标“1”表示计算凸凹特性所用的像素点距X0的距离为1，即尺度为1，下标“8”表示计算经过像素点X0的8个方向的凸凹特征，下标“D”表示是十进制量，threshold是预先设置的阈值，当X0遍历整个图像块时，便得到此图像块的多分辨率局部凸凹特性矩阵MLCCPM；Step5、接下来提取各图像块多分辨率局部凸凹特性矩阵MLCCPM的直方图特征向量；假定图像块的局部凸凹特性矩阵的直方图特征向量分别表示为：依次连接所有图像块的直方图特征向量，得到原始图像的多分辨率局部凸凹模式直方图特征向量为：Step6、把该原始图像的多分辨率局部凸凹模式直方图特征向量送入基于卡方统计量的最近邻分类器进行分类，来识别原始人脸图像的身份。