一种基于局部三值模式的人脸特征提取方法

摘要

一种基于局部三值模式的人脸特征提取方法，属于图像处理技术领域。首先对原始人脸图像进行下采样构建人脸图像金字塔，然后计算各层图像中所有像素点的LTP特征，再将所有像素点的LTP特征分成正、负两部分LTP子特征，分别统计人脸图像金字塔中各层图像的正、负LTP子特征值直方图，最后将正、负LTP子特征值直方图所对应的向量H+和H-按顺序连接起来作为最终原始人脸图像I(x，y)的特征。本发明利用了LTP特征的局部特性和各局部LTP特征直方图的统计特性，实现了局部特征和全局特征的统一，相较于较常采用的LBP特征，LTP特征对噪声具有更好的抑制效果。所提取出的特征具有旋转不变和灰度不变的特点，在光照条件变化、人脸表情、姿态变化的影响下也能够精确地提取到人脸特征。

主权项

一种基于局部三值模式的人脸特征提取方法，包括以下步骤：步骤1：构建人脸图像金字塔；设原始人脸图像为I(x，y)，其中x≤M，y≤N，M、N分别表示原始人脸图像的行数和列数；对原始人脸图像为I(x，y)进行采样因子为2的下采样，形成人脸图像金字塔，所述人脸图像金字塔的底层图像为原始人脸图像为G0(x，y)＝I(x，y)，底层图像的上一层为G1(x，y)＝G0(2x，2y)，则底层图像上第i层图像为Gi(x，y)＝Gi‑1(2x，2y)；步骤2：计算步骤1所述人脸图像金字塔中各层图像所有像素点的LTP特征值；每一层图像的LTP特征谱计算方式为：首先以顺序计算该层图像中每一像素点的LTP特征向量；然后将每一像素点的LTP特征向量改写成正、负两部分LTP子特征向量；再将每一像素点的正、负两部分LTP子特征向量所对应的二进制数转换成十进制数，得到对应像素点的正、负两部分LTP子特征值；其中，每个像素点的LTP特征向量的计算方式为：将中心像素点的灰度值与其八邻域像素点的灰度值进行比较，若b＞a+t，则相应LTP编码为1；若b＜a‑t，则相应LTP编码为‑1；若a‑t≤b≤a+t，则相应LTP编码为0；其中b为邻域像素点灰度值，a为中心像素点灰度值，t为设定的阈值；将中心像素点的八邻域LTP编码按顺序排列起来，就是该中心像素点的LTP特征向量；LTP特征向量的LTP编码起始位置和顺序可自行选择，但是当起始位置和顺序选定过后，所有的LTP特征向量必须按照统一的起始位置和顺序进行计算；其中，正LTP子特征向量由LTP特征向量改写而成，改写时将LTP特征向量中所有为“‑1”的LTP编码置为“0”，其余LTP编码不变；负LTP子特征向量由LTP特征向量改写而成，改写时将LTP特征向量中所有为“‑1”的LTP编码置为“1”，所有为“1”的LTP编码置为“0”，其余LTP编码不变；步骤3：分别统计人脸图像金字塔中各层图像的正、负LTP子特征值直方图；步骤4：将人脸图像金字塔中各层图像的正、负LTP子特征值直方图分别写成向量形式，记为H+和H‑，向量的维数由低向高的顺序与LTP子特征值直方图中的LTP子特征值相对应，向量中的元素为对应LTP子特征值下的统计数；步骤5：将所有人脸图像金字塔中各层图像的向量H+和H‑按顺序连接起来作为最终原始 人脸图像I(x，y)的特征。