淺談改進的LBP算法

房德峰

摘 要：局部二元模式算子法計算簡單且易于實現，能有效地提取人臉局部結構的紋理特征。但是，在光照和噪聲等非理想條件下，該算法的識別率會下降。為了減少光照、噪聲等對人臉識別性能的影響，在已有局部二值模式（LBP）紋理分析算法的基礎上，提出了一種基于鄰域灰度中間值的局部二值模式紋理特征提取算法。算法用像素鄰域灰度值的中間值代替該像素點的灰度值，從而使得提取到的特征對光照變化和噪聲等更加魯棒。為了驗證算法的有效性，在著名的AR和FERET人臉數據庫上進行實驗，結果表明該算法優于傳統的LBP算法。

關鍵詞：人臉識別 局部二值模式 特征提取 最大散度差鑒別分析

3.2改進后的算法

LBP作為圖像紋理表示的一種極其有效的方法，不僅能夠描述出圖像中的一些微小特征，包括亮點、暗點、穩定區域以及各方向邊緣等，而且還能夠反映出這些特征的分布情況。這些優點使得LBP特征具有極強的分類能力。但是在提取中心像素，對噪聲比較敏感，特別是在近統一模式圖像區域。既然圖像的絕大多數區域是統一模式區域，那么在這些近統一模式區域中提高LBP算子的魯棒性進而提高整個特征空間的分類性能是非常有意義的。為了減少光照、噪聲等因素造成的局部像素灰度值的突變，在應用LBP算子前先對該像素鄰域像素灰度值進行排序，使用9個像素灰度值的中間值取代中心像素的灰度值，具體計算過程如圖2所示。

5.結論：為了減少光照、噪聲等非理想因素對人臉識別性能的影響，提出了一種基于鄰域像素灰度值中間值的局部二值模式紋理特征提取算法。在已有局部二值模式（LBP）紋理分析算法的基礎上用中心像素鄰域像素灰度的中間值代替該像素點的灰度值，從而使得提取到的特征對光照變化和噪聲等影響更加弱化。在著名的AR和FERET人臉數據庫上的實驗結果表明， 該算法的識別率比傳統的LBP算法有一定程度的提高。

參考文獻：

[1] R.M.Makwana， Illumination Invariant Face Recognition： A Survey of Passive Methods， Procedia Computer Science， 2010， 2：101-110.

[2] X.Y.Tan， S.C.Chen， Face recognition from a single image per person： A survey， Pattern Recognition， 2006，39：1725-1745.

[3] 李曉東，費樹岷.一種改進的模塊2DPCA人臉識別方法[J].系統仿真學報，2009， 21（15）：4672-4675.

[4] T.Ojala， M.Pietikainen， T.Maenpaa.Multiresolution Gray-scale and Rotation Invariant Texture Classification with Local Binary Patterns[J].IEEE Transactions on Pattern Analysis and Machine Intelligence， 2002， 24（7）：971-987.

[5] 趙建民，朱信忠，江小輝.基于改進型LBP特征的人臉識別方法研究[J].計算機科學，2009，36（8）： 276-280.

[6] J.Yang， D.Zhang， A.Frangi， J.Y.Yang.Two-dimensional PCA： a new approach to appearance- based face representation and recognition[J].IEEE Trans.Pattern Anal.Mach.Intell.， 2004， 26（1）：131-137.

[7] D.Zhou ， X，Yang， N.S.Peng， Y.Z.Wang， Improved-LDA based face recognition using both facial global and local information， Pattern Recognition Letters， 2006，27： 536–543.

[8] X.D.Li， S.M.Fei， T.Zhang， Median MSD based method for face recognition， Neurocomputing， 2009， 72（16-18）： 3930-3934.

[9] Martinez A R， Benavente R.The AR face database [R].Computer Vision Center （CVC）， Barcelona， Spain， Technical Report 24， 1998.

[10] P.J.Phillips， H.Moon， S.A.Rizvi， P.J.Rauss， The FERET evaluation methodology for Face Recognition algorithms， IEEE Trans.on Pattern Analysis and Machine Intelligence， 22（10）（2000）1090-1104.[FL）