基于纹理特征融合和SVM的人脸识别方法

摘要

本发明提出了一种基于纹理特征融合和SVM的人脸识别方法，属于图像处理领域；首先，运用均匀LBP算子来提取NSCT变换多尺度、多方向高频子带的纹理特征，然后统计每个高频子带的均匀模式LBP特征信息并将它们进行组合，得到一种结合LBP算子和NSCT优点的人脸纹理特征ULNBH。ULNBH缺乏低频信息，因此结合Gabor特征的特性提出将ULNBH特征和Gabor特征在特征层进行融合，从而得到一种人脸纹理特征信息更加完备的融合特征。在人脸识别阶段，运用主成分分析方法对高维的特征向量进行降维，然后采用SVM对降维后的融合特征进行识别。该融合特征对光照和姿态变化的鲁棒性更强。

主权项

一种适用于图像识别中的人脸识别方法，其特征在于，包括如下步骤：步骤1，对图像进行归一化处理，得到大小一致的人脸图片；步骤2，分别对人脸库样本提取ULNBH特征向量和Gabor特征向量，将Gabor小波特征向量和ULNBH特征向量运用串行融合方法进行融合，得到融合特征G‑ULNBH并将G‑ULNBH融合特征进行归一化处理；步骤3，将融合后的人脸特征向量分为两类，一类为训练样本，一类为测试样本，运用PCA算法对训练样本和测试样本的人脸特征矩阵进行降维，得到降维的特征矩阵；步骤4，对降维的特征矩阵格式进行调整，把人脸图像按照所属的类别分为1到W，W为人脸类别总数，将每一类人脸设定对应于自身类别的标签；步骤5，将人脸训练样本和测试样本的特征向量及标签输入SVM分类器，选择合适的核函数及参数，最终由分类器的分类结果对人脸进行识别。