非采样Contourlet变换与局部二值模式相结合的人脸识别

doi:10.3724/SP.J.1087.2012.01890

计算机应用 ›› 2012, Vol. 32 ›› Issue (07): 1890-1893.DOI: 10.3724/SP.J.1087.2012.01890

非采样Contourlet变换与局部二值模式相结合的人脸识别

岳许要¹,杨恢先¹,祝贵¹,冷爱莲²,李利³

1. 湘潭大学材料与光电物理学院，湖南湘潭411105
2. 湘潭大学能源工程学院，湖南湘潭 411105
3. 湘潭大学信息工程学院，湖南湘潭 411105

收稿日期:2011-12-05 修回日期:2012-01-19 发布日期:2012-07-05 出版日期:2012-07-01
通讯作者: 岳许要
作者简介:岳许要(1984-)，男，河南郑州人，硕士研究生，主要研究方向：图像处理、数字信号处理、模式识别；杨恢先(1963-)，男，湖南益阳人，教授，主要研究方向：图像处理、人工智能；祝贵(1986-)，男，四川西昌人，硕士研究生，主要研究方向：图形图像处理；冷爱莲(1969-)，女，湖南益阳人，讲师，主要研究方向：数字信号处理、智能控制；李利(1986-)，女，湖南长沙人，硕士研究生，主要研究方向：图像处理、数字信号处理。
基金资助:
湖南省教育厅资助科研项目（10C1263）;湘潭大学资助科研项目（11QDZ11）

Face recognition using nonsubsampled Contourlet transform and local binary pattern

YUE Xu-yao¹,YANG Hui-xian¹,ZHU Gui¹,LENG Ai-lian²,LI Li³

1. Faculty of Material and Photoelectronic Physics, Xiangtan University, Xiangtan Hunan 411105, China
2. Energy Engineering College, Xiangtan University, Xiangtan Hunan 411105, China
3. College of Information Engineering, Xiangtan University, Xiangtan Hunan 411105, China

Received:2011-12-05 Revised:2012-01-19 Online:2012-07-05 Published:2012-07-01
Contact: YUE Xu-yao

摘要/Abstract

摘要： 针对人脸识别中姿态、光照和表情变化带来的识别率有限的问题，提出了一种基于非采样Contourlet变换(NSCT)与局部二值模式（LBP）的人脸特征提取方法。首先对人脸图像进行非采样Contourlet变换，得到多尺度、多方向的子带系数矩阵，然后利用LBP算子从每个子带系数矩阵上抽取局部邻域关系，得到各子带的LBP特征图谱，最后将这些图谱分块统计并级联后作为人脸的识别特征。利用多通道最近邻分类器的分类结果表明，所提方法能有效提高识别率，所提取的特征对光照、表情和姿态等变化具有更好的鲁棒性。

关键词: 人脸识别, 非采样Contourlet变换, 局部二值模式, 多通道最近邻分类器

Abstract: Concerning the problem of limited recognition rate caused by variations in position, illumination and expression in face recognition, an efficient face recognition method based on Nonsubsampled Contourlet Transform (NSCT) and Local Binary Pattern (LBP) was proposed. Firstly, a face image was decomposed with NSCT, and NSCT coefficients in different scales and various orientations were obtained; LBP operator was then used to get LBP feature maps by extracting local neighboring relationship from NSCT coefficients; Finally, feature maps were respectively divided into several blocks, the concatenated histograms, which were calculated over each block, were used as the face features. The experimental results using multi-channel nearest neighbor classifier based on Euclidean distance show that, the proposed method can improve the recognition rate effectively, and the extracted feature is robust to variations of illumination, face expression and position.

Key words: face recognition, Nonsubsampled Contourlet Transform (NCST), Local Binary Pattern (LBP), multi-channel nearest neighbor classifier

中图分类号:

TP391.413

岳许要杨恢先祝贵冷爱莲李利. 非采样Contourlet变换与局部二值模式相结合的人脸识别[J]. 计算机应用, 2012, 32(07): 1890-1893.

YUE Xu-yao YANG Hui-xian ZHU Gui LENG Ai-lian LI Li. Face recognition using nonsubsampled Contourlet transform and local binary pattern[J]. Journal of Computer Applications, 2012, 32(07): 1890-1893.

参考文献

［1］ OJALA T, PIETIKAINEN M, MAENPAA T. Multiresolution gray scale and rotation invariant texture analysis with local binary patterns ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002, 24(7): 97l-987.

［2］王玮，黄非非，李见为,等.采用LBP金字塔的人脸描述与识别［J］.计算机辅助设计与图形学学报，2009，21(1)：94-100,106.

［3］焦李成，谭山.图像的多尺度几何分析:回顾和展望［J］.电子学报，2003，31(z1)：1975-1981.

［4］李宁.基于视觉认知的人体行为特征提取模型研究［D］.北京:北京交通大学，2010.

［5］ da CUNHA A L, ZHOU JIANPING, DO M N. The nonsubsampled Contourlet transform: Theory design, and applications ［J］.IEEE Transactions on Image Processing, 2006, 15(10): 3089-3101.

［6］柴智,刘正光.应用复小波和独立成分分析的人脸识别［J］.计算机应用，2010，30(7)：1863-1866.

［7］ CHITALIYA N G, TRIVEDI A I. An efficient method for face feature extraction and recognition based on Contourlet transforms and principal component analysis ［C］// Proceedings of the International Conference and Exhibition on Biometrics Technology. Amsterdam: Elsevier, 2010: 52-61.

［8］ XIE XIAOHUA, LAI JIANHUANG, ZHENG WEI-SHI. Extraction of illumination invariant facial features from a single image using nonsubsampled Contourlet transform ［J］. Pattern Recognition, 2010, 43(12): 4177-4189.

［9］ CHENG YONG, HOU YINGKUN, ZHAO CHUNXIA, et al. Ro-bust face recognition based on illumination invariant in nonsubsampled Contourlet transform domain ［J］. Neurocomputing, 2010, 73(10/11/12): 2217-2224.

［10］张文超，山世光，张洪明,等.基于局部Gabor变化直方图序列的人脸描述与识别［J］.软件学报，2006，17(12)：2508-2517.

［11］火元莲.基于多通道Log-Gabor小波与(2D)2 PCALDA的人脸识别方法［J］.计算机应用，2010，30(11)：2970-2973.

［12］吴清江，周晓彦，郑文明,等.一种基于2D-DWT和2D-PCA的人脸识别方法［J］.计算机应用，2006，26(9)：2089-2091.

[1]	高工, 杨红雨, 刘洪. 基于深度学习的三维点云人脸识别[J]. 计算机应用, 2021, 41(9): 2736-2740.
[2]	李虹霞, 秦品乐, 闫寒梅, 曾建潮, 鲍骞月, 柴锐. 基于面部特征图对称的人脸正面化生成对抗网络算法[J]. 计算机应用, 2021, 41(3): 714-720.
[3]	方书雅, 刘守印. 基于学生人体检测的无感知课堂考勤方法[J]. 计算机应用, 2020, 40(9): 2519-2524.
[4]	赵青, 余元辉. 基于分层特征化网络的三维人脸识别[J]. 计算机应用, 2020, 40(9): 2514-2518.
[5]	李东博, 黄铝文. 重加权稀疏主成分分析算法及其在人脸识别中的应用[J]. 计算机应用, 2020, 40(3): 717-722.
[6]	龚锐, 丁胜, 章超华, 苏浩. 基于深度学习的轻量级和多姿态人脸识别方法[J]. 计算机应用, 2020, 40(3): 704-709.
[7]	陈放, 刘晓瑞, 杨明业. 基于活体检测和身份认证的人脸识别安防系统[J]. 计算机应用, 2020, 40(12): 3666-3672.
[8]	任珍文, 吴明娜. 基于熵自加权联合正则化最近点的图像集分类算法[J]. 计算机应用, 2019, 39(9): 2547-2551.
[9]	丁莲静, 刘光帅, 李旭瑞, 陈晓文. 加权信息熵与增强局部二值模式结合的人脸识别[J]. 计算机应用, 2019, 39(8): 2210-2216.
[10]	方国康, 李俊, 王垚儒. 基于深度学习的ARM平台实时人脸识别[J]. 计算机应用, 2019, 39(8): 2217-2222.
[11]	桑高丽, 闫超, 朱蓉. 基于多区域融合的表情鲁棒三维人脸识别算法[J]. 计算机应用, 2019, 39(6): 1685-1689.
[12]	杨亮东, 杨志霞. 稀疏限制的增量式鲁棒非负矩阵分解及其应用[J]. 计算机应用, 2019, 39(5): 1275-1281.
[13]	李秋珍, 栾朝阳, 汪双喜. 基于卷积神经网络的人脸图像质量评价[J]. 计算机应用, 2019, 39(3): 695-699.
[14]	谢志华, 江鹏, 余新河, 张帅. 基于VGGNet和多谱带循环网络的高光谱人脸识别系统[J]. 计算机应用, 2019, 39(2): 388-391.
[15]	张芳艳, 王新, 许新征. 基于结构化遮挡编码和极限学习机的局部遮挡人脸识别[J]. 计算机应用, 2019, 39(10): 2893-2898.

非采样Contourlet变换与局部二值模式相结合的人脸识别

Face recognition using nonsubsampled Contourlet transform and local binary pattern

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics