基于分块一致LBP和稀疏编码的单训练样本人脸识别方法

摘要

本发明属于数字图像处理及模式识别技术领域，具体为一种基于分块一致LBP和稀疏编码的人脸识别方法。本发明首先将人脸图像按4*4分割成等大小的16块子区域，对于每块区域计算其1像素半径、8邻居的一致LBP直方图，再将16个子区域的LBP直方图连接成一个列向量，作为单幅人脸图像的特征向量。然后将通过将测试图像表示成训练集上的一个最稀疏线性组合，识别出人脸对象。相比于传统的特征提取和分类的算法，本发明能够更好的提取人脸的结构信息，并且能够在单训练样本和存在遮挡的情况下，表现出较高的识别率和鲁棒性。

主权项

一种基于分块一致LBP和稀疏编码的人脸识别方法，其特征在于具体步骤如下：（1）分块统计LBP直方图① 将人脸图像按一定格式分割成网格状，其步骤为：将人脸图像的灰度值图像按行4等分、列4等分的模式，划分成16个大小相等的子图像；② 在步骤（1）‑①的原图像分割处理之后，对每个子图像区域进行LBP直方图计算，其步骤为：对于图中每个像素点，比较其与周围8个邻居像素点的灰度值大小，邻居点较大则置为1，否则置为0，再从12点钟位置开始按顺时针方向将8个数字连成一个8位的2进制数；（2）统计一致LBP直方图并求得与整幅人脸图像对应的特征向量  将步骤（1）‑②得到的8位2进制数分类，首先将2进制数首尾相连，形成一个环，将其中0‑1转换次数不多于1次的归为一类，称为一致LBP算子；将剩余的2进制数都归到另一类；经统计，一致LBP算子共58种，非一致LBP算子计为1种，则用一个59维的向量描述图像的LBP直方图，其中第i维是相应的10进制数值为i的2进制数的个数；将16个59维向量连接成一个16*59维的列向量，即为该副图像对应的特征向量；（3）制作人脸图像训练集矩阵对人脸图像数据库中的每幅图像进行步骤（1）‑步骤（2）的处理，得到n个特征向量，将n个特征向量作为列向量排列，组合成一个矩阵，作为训练集矩阵，记为A； （4）将测试图像表示成训练集上的线性组合对于测试图像，进行步骤（1）‑步骤（2）的处理，计算得到对应的特征向量，记为y；将测试图像表示成训练集上的线性组合，即列出以下方程Ax=y，其中线性组合系数向量x，即为问题的解；（5）求解线性组合系数向量x的最稀疏解根据最稀疏原理，即具有最少非零元素的向量x是正确解的可能性最大，再结合步骤（4）的方程Ax=y，将原问题转化为约束最优化问题，得到x的唯一解；再根据x中具有最大值的元素的位置，确定测试图像所属的人脸对象。