基干Haar―like特征空间金字塔猫脸识别.docVIP

基于Haar―like特征的空间金字塔的猫脸识别 　　摘 要：纹理特征是一种比较常见的图像特征，LBP特征是描述纹理最有效的特征之一。在猫脸识别中，为了提取丰富的纹理信息，同时利用特征点的空间信息，本文在LBP特征上应用空间金字塔SPM。而为了更好地捕捉图像不同空间区域之间的纹理变化，基于Haar-like特征的思想，我们在SPM上应用Haar模板提取不同区域间的纹理差异。在基于Microsoft Cat Dataset进行处理所得到的猫脸数据集上的实验结果验证了所提出方法的有效性 关键词：纹理特征；LBP特征；空间金字塔；Haar-like 中图分类号：TP391 文献标识号：A 文章编号：2095-2163（2015）04- Cat Face Recognition Using SPM based on Haar-like Feature ZHANG Xiaohong， LIU Yan， YAO Hongxun （ School of Computer Science and Technology， Harbin Institute of Technology， Harbin， 150001， China） Abstract： Texture is one of the most common image features in computer vision， which can be represented effectively using LBP. In order to exploit the rich texture information of cat and extract the spatial information of the feature， the paper utilizes the Spatial Pyramid Model after LBP is extracted. Meanwhile， based on the idea of Haar-like feature， the paper applies the rectangle model into the SPM to capture the variations of features of different regions in the image. Therefore， the paper conduct the experiments on the processed Microsoft Cat Dataset and the results validate the effectiveness of the proposed method. Keywords： Texture； LBP； SPM； Haar-like 0 引 言 近十几年来，人脸识别一直是颇受瞩目的热门研究领域，目前常见的人脸识别方法有主成分分析法[1]，线性鉴别[2]等全局性方法。研究演变至今，基于局部特征的识别则逐渐获得了发展重视，同时研究者们也已开始更多地关注于动物识别，例如将人脸识别的方法应用到猫脸识别上，这也是本文的研究内容 局部二元模式（LBP，Local Binary Pattern）作为一种局部纹理特征描述算子最初由Ahonen引入人脸识别[3]，是通过比较中心像素点与其邻域内的像素点的灰度值的大小获得该中心像素点的二值编码，进而获得多区域的直方图作为描述图像的特征。但是这样所获的特征并不能表征相邻区域间的纹理变化 王玮等提出采用多尺度LBP特征来描述和识别人脸[4]。首先，对一定尺度的图像进行小波分解，然后在此基础上将图像分为多个区域，再将各个区域的lbp直方图串联起来，获得当前尺度下的图像特征，同时通过变换不同的尺度，来得到多尺度下的lbp特征 Haar-like 特征又称矩形特征[5]，根据不同的矩形模板来获得局部区域间的灰度差值，而其作为描述图像的特征，能够有效地描述图像的对角特征、边缘特征、线性特征等基本特征，因而具有较好的统计特性。并且，可以通过积分图[6]的方法，来简化特征的提取。但是该方法获得的特征数较大，且体现的仅是图像在一定区域内的灰度差值，如此对于纹理信息比较简单的图像，如人脸，则可进行优质描述，且能够取得较好结果；而若是针对纹理信息比较丰富的物体，例如动物，识别的效果却会偏差一些 对于包含黑色条纹和白色条纹横向交错的图片，如果使用多分辨金字塔[7]进行直方图提取，获得的直方图[8]是相同的，不能反映特征的空间关系。本文在空间金字塔[9]上来提取LBP特征，这样就可以反映特征点的空间关系。通过实验发现这种方法能够获得比较显著的局部特征[9] 人们