基于Gabor和LBP人脸识别算法研究毕业设计中期检查.ppt

基于Gabor和LBP人脸识别

算法研究

毕业设计中期检查目录课题研究内容简介已完成的工作任务未来完成的工作任务一、课题研究内容简介人脸图像Gabor分解LBP直方图PCA降维分类结果图1人脸识别系统研究过程框图本课题主要的研究内容是基于Gabor和LBP的人脸识别算法，该方法首先利用Gabor变换提取原始图像的Gabor幅值特征；然后利用LBP算子提取Gabor幅值特征的局部二元模式图谱；再然后利用PCA算法对各个图像所得到的LBP直方图特征进行降维，将所得到的鉴别特征用于分类识别；最后在ORL和YALE人脸库上进行仿真实验，证明仿真结果的有效性。二、已完成的工作任务已完成的工作任务Gabor算法理论研究及部分程序编写LBP算法理论研究及程序编写PCA理论研究及程序编写1、Gabor算法提取人脸图像的Gabor特征就是对归一化后的人脸图像进行多方向，多分辨率Gabor小波滤波，并提取其对应的不同方向、不同尺度的多个Gabor幅值特征。Gabor特征提取就是将输入图像的灰度级与已知的二维Gabor变换核函数进行卷积。2、LBP算法18243476501001111特征值：图2LBP算法具体过程阈值4设置一个3x3的窗口，依次遍历每个像素，把窗口里大于或等于中心阈值的元素置1，否则置0，选择一个起点按一定的方向读取二进制串，最后将二进制串转换成十进制作为这个像素点的LBP值。图4Matlab实现LBP算法程序运行结果开始确定数组大小扩大图像3X3窗口矩阵遍历图像的每个像素点二值化并转换为十进制值结束图3Matlab编程实现LBP人脸识别流程图3、PCA算法开始读取训练样本图样PCA降维最近邻法分类结束图5Matlab编程实现PCA人脸识别流程图PCA算法：（1）求训练样本平均值。（2）求解样本的协方差矩阵。（3）求解变换矩阵，即本征空间。（4）求投影。图6Matlab实现PCA降维程序运行结果三、未来完成的工作运用Matlab进行Gabor特征提取。主要是坐标的确定。运用Matlab实现最近邻法分类。提高PCA的识别率。完善程序，使独立的四段程序自然连接实验结果分析