LBP人脸特征提取算法研究及应用.pptVIP

3.LBP特征提取算法的价值及应用 对于得到的直方图特征，有多种方法可以判别其相似性，假设已知人脸直方图为Mi?，待匹配人脸直方图为Si，那么可以通过: (1)直方图交叉核方法[2](用来对特征构成的直方图进行相似度匹配) (2)卡方统计方法[3](一种检验两个变量独立性的方法) [4]. The Pyramid Match Kernel:Discriminative Classification with Sets of Image Features，2010 [5]. /smartempire/article/details * * LBP人脸特征提取算法的研究与应用 3.LBP特征提取算法的价值及应用 LBP特征向量进行提取的步骤： 1.将检测窗口划分为16×16的小区域(cell)；对于每个cell中的一个像素，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0。这样，3*3邻域内的8个点经比较可产生8位二进制数，即得到该窗口中心像素点的LBP值； 2.然后计算每个cell的直方图，即每个数字（假定是十进制数LBP值）出现的频率；然后对该直方图进行归一化处理(如基于视网膜性等)。 3.最后将得到的每个cell的统计直方图进行连接成为一个特征向量，也就是整幅图的LBP纹理特征向量； 4.然后便可利用SVM或者其他机器学习算法进行分类了。 * LBP人脸特征提取算法的研究与应用 * 3.LBP特征提取算法的价值及应用 3.3 LBP特征提取算法的其他应用 (1)工业检测:LBP最早被应用于金属表面检测[6]。 (2)图像恢复:Schaefer[7]将LBP应用于JPEG压缩图像的恢复。 (3)人脸分析 张文超[8]等将LBP与Gabor小波结合起来，提出了基于局部 Gabor直方图序列的人脸识别算法。 (4)场景分析:运动物体检测 [6].M. Pietikainen, T. Ojala, J. Nisula and J. Heikkinen. Experiments with two industrial problems Intelligent using texture classification based on feature distributions(C).2354 Robots and Computer Vision XIII: 3D Vision, Product Inspection SPIE and Active Vision, 1994:197-204. [7].G. Schaefer. JPEG Compressed Domain Image Retrieval by colour and texture[C]. In Data Compression Conference DCC O1, Snowbird, USA, 2001:514. [8].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.软件学报 200617(12):2508-2517. * * LBP人脸特征提取算法的研究与应用 4.总结 首先从纹理分析的角度对基本的LBP算子做了简要的介绍; 其次，介绍了LBP等价模式和旋转不变的等价模式; 最后对LBP特征提取算法的应用进行了简单概述。 通过对LBP算子的产生和发展进行深入研究，得出LBP的两个重要性质:旋转不变性和统一模式。LBP的这些特点对于提取图像的本质特征是十分有利的。 * LBP人脸特征提取算法的研究与应用 * THANKS！ * LBP人脸特征提取算法的研究与应用 * LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietik?inen,?和D. Harwood?在1994年提出，用于纹理特征提取。 * 局部二值模式(Local binary patterns,LBP)是机器视觉领域中用于描述图像局部纹理特征的算子,具有旋转不变性和灰度不变性等显著的优点。它是由T. Ojala, M.Pietik?inen, 和 D. Harwood [1][2]在1994年提出，LBP在纹理分类问题上是一个非常强大的特征；如果LBP与HOG结合，则可以在一些集合上十分有效的提升检测效果。LBP是一个简单但非常有效的纹理运算符。它将各个像素与其附近的像素进行比较，并把结果保存为二进制数。由于其辨别力强大和计算简