【正文】 生物特征識別與分類[D].昆明理工大學(xué),2012.[21]毛科. 基于局部二值模式的人臉識別算法研究[D].華南理工大學(xué),2010.[22]王凱. 基于圖像紋理特征提取算法的研究及應(yīng)用[D].西南交通大學(xué),2013.[23]趙懷勛,徐鋒,陳家勇. 基于多尺度LBP的人臉識別[J]. 計(jì)算機(jī)應(yīng)用與軟件,2012,01:257259+279.[24]王憲,張彥,慕鑫,張方生. 基于改進(jìn)的LBP人臉識別算法[J]. 光電工程,2012,07:109114.[25]黃非非. 基于LBP的人臉識別研究[D].重慶大學(xué),2009.[26]周凱. 基于局部二值模式的人臉識別方法研究[D].中南大學(xué),2009.[27]閆偉紅. 基于LBP統(tǒng)計(jì)特征的人臉識別方法研究[D].安徽大學(xué),2010.附 錄 英文原文：Feature local binary patterns with application to eye detectionAbstractThis paper presents a new Feature Local Binary Patterns (FLBP) method that encodes the information of both local texture and features. The features are broadly defined by, for example, the edges, the Gabor wavelet features, the color features, etc. Specifically, a binary image is first derived by extracting feature pixels from a given image, and then a distance vector field is obtained by puting the distance vector between each pixel and its nearest feature pixel defined in the binary image. Based on the distance vector field and the FLBP parameters, the FLBP representation of the given image can be formed. In contrast to the original這是一次意志的磨練，是對我實(shí)際能力的一次提升，相信對我未來的學(xué)習(xí)和工作有很大的幫助。初稿的寫作顯得邏輯結(jié)構(gòu)有點(diǎn)不清晰，總是想到什么相關(guān)的問題就去寫，而沒有很好的分出清晰的層次，讓文章顯得有點(diǎn)凌亂，這樣的文章必然是不符合要求的，但畢竟是初稿，在老師的指導(dǎo)下還要進(jìn)行反復(fù)的修改。盡量使我的資料和論文的內(nèi)容符合，這有利于論文的撰寫。2月初，在與導(dǎo)師的交流討論中我的題目定了下來，是：基于改進(jìn)LBP的人臉識別算法研究， 當(dāng)開題報(bào)告定下來之后，我便立刻在網(wǎng)上著手資料的收集工作中，當(dāng)時(shí)面對眾多網(wǎng)絡(luò)資料庫的文章真是有些不知所措，不知如何下手。第5章 總結(jié)與致謝2015年2月，我開始了我的畢業(yè)論文工作，經(jīng)過長時(shí)間的寫作到現(xiàn)在論文基本完成。這些丟棄的對比度值卻往往蘊(yùn)含著大量的紋理特征，也是表示物體表面細(xì)節(jié)特征的重要組成部分。第4節(jié) 實(shí)驗(yàn) 基于Yale人臉庫的實(shí)驗(yàn)Yale人臉庫中包含了十個(gè)人的人臉圖像，每一個(gè)人都有64張?jiān)诓煌庹障屡臄z的正面圖像，我們在此將這些圖像按照不同的光源角度分為五個(gè)部分，set1到set5，從set1開始光照條件逐漸減弱。 Matlba運(yùn)行結(jié)果以及運(yùn)行消費(fèi)總時(shí)間 實(shí)驗(yàn)方法實(shí)驗(yàn)包括了Yale和ORL人臉庫，每個(gè)實(shí)驗(yàn)均采用了最小距離法作為分類器。不同的人臉數(shù)據(jù)庫,圖像的質(zhì)量和內(nèi)容也是不同的,為了客觀的、全面的測試人臉識別算法的性能,考慮不同因素對識別方法的影響,本文在ORL和Yale兩個(gè)標(biāo)準(zhǔn)人臉庫上分別進(jìn)行人臉識別實(shí)驗(yàn)。⑥0RL人臉庫ORL人連數(shù)據(jù)庫是有贏過劍橋大學(xué)在早起創(chuàng)立的人臉數(shù)據(jù)庫。該人臉庫針對每一名志愿者從43種光照條件,4種表情以及13種不同姿態(tài)出發(fā)進(jìn)行人臉閣片的獲取。人臉庫中主要包含了從16名志愿者所提取的2592張人臉圖片。Yale人臉庫還包括Yale B人臉庫,在B庫中主要包含了5760張人臉圖片,分別為10個(gè)不同人臉在9中姿態(tài),64種不同外部條件下拍攝的。只有通過統(tǒng)一標(biāo)準(zhǔn)的評價(jià)與測試才能夠獲得人臉識別算法間的差距,為了解決這一問題,國內(nèi)外的很多著名的大學(xué),研究機(jī)構(gòu)相繼推出了各自的標(biāo)準(zhǔn)人臉數(shù)據(jù)庫,下面將進(jìn)行簡單的介紹。本文采用了4個(gè)步驟進(jìn)行光照歸一化操作：（1）使用公式，將圖像轉(zhuǎn)換到對數(shù)域；（2）利用差分高斯濾波器（ = ， = ），對圖像進(jìn)行平滑；（3）使用下述3 個(gè)公式（α = ，τ = 10），對圖像進(jìn)行全局對比度均衡化[26]：（4） 使用直方圖均衡化，以增強(qiáng)對比度。此外，還應(yīng)該考慮到每個(gè)層次 特征對整體 特征的貢獻(xiàn)程度是不一樣的，對比度越大反映的細(xì)節(jié)特征越明顯，而人臉的本質(zhì)特征主要就蘊(yùn)含在細(xì)節(jié)信息中。 LMCP特征值的求取過程第3節(jié) 將LMCP特征用于人臉識別將特征用于人臉識別時(shí)，參照Ahenon[20]方法，將人臉區(qū)域劃分為N 個(gè)局部方塊區(qū)域，并在每個(gè)區(qū)域中對每個(gè) 使用下列公式求得直方圖：可將不同區(qū)域的聯(lián)合起來，得到描述全局人臉多對比度層次特征的直方圖：當(dāng)L = 4，P = 8，R = 1，N = 49 時(shí)，H 具有的特征維度高達(dá)*N*L = *49 *4 = 50176 ，顯然需要采取一定的措施進(jìn)行降維處理。提出一種折中方案：將不同光照下的人臉圖片進(jìn)行平滑操作，將光照變化對圖片的影響控制在一定的范圍之內(nèi)，然后將像素值之間的對比度值映射到某個(gè)層次上去，得到由多個(gè)二進(jìn)制值決定的LMCP特征值，將此LMCP值作為人臉特征，可以得到非常好的識別效果。通過對 LBP 算子的產(chǎn)生和發(fā)展進(jìn)行深入研究，我們對LBP的定義以及其特點(diǎn)有了一定的了解。正是因?yàn)殚撝档拇嬖?使得LTP算子對于局部噪聲更加的魯棒,但是也使得LTP算子不再像LBP算子一樣具有嚴(yán)格的灰度不變性。LTP模式不僅延續(xù)了 LBP模式的主要優(yōu)點(diǎn)而且對于局部區(qū)域的噪聲更加的魯棒。當(dāng)選擇5個(gè)尺度和8個(gè)方向的Gabor濾波器的時(shí)候,將這40個(gè)濾波器與原圖像進(jìn)行卷積計(jì)算會產(chǎn)生40幅Gabor能量圖像。二維Gabor濾波器在空間上由高斯窗函數(shù)和正弦平面波調(diào)制得到。 LGBP在原始的LBP描述子的基礎(chǔ)上,張文超等人提出了 LGBP (Local Gabor Binary Pattern)描述子。從某種意義上說，這種方法將統(tǒng)計(jì)分析和結(jié)構(gòu)紋理分析的方法結(jié)合起來，為同時(shí)分析隨機(jī)性紋理和周期的紋理開辟了一條有效的途徑。LBP具有原始紋理和布局規(guī)則，因此，LBP分布具有結(jié)構(gòu)分析的特點(diǎn)；另一方面，這種分布又可以看做是圖像經(jīng)過一種非線性濾波后的統(tǒng)計(jì)，這明顯又具有統(tǒng)計(jì)分析方法的特點(diǎn)。LBP并不是試圖從單一的像素點(diǎn)來描述紋理，而是用一個(gè)局部區(qū)域的模式來描述紋理。這類首先將紋理看成是有許多紋理基元按照一定的位置規(guī)則組成的，然后分提取紋理基元并推論紋理基元位置規(guī)律，也有直接去探求紋理構(gòu)成的結(jié)構(gòu)規(guī)律的。統(tǒng)計(jì)分析方法從圖像有關(guān)屬性的統(tǒng)計(jì)分析出發(fā)，主要是基于圖像像素的灰度值的分布與相互關(guān)系，找出反映這些關(guān)系的特征。如從基本的LBP算子的8bit數(shù)表示 00000000為0次跳變，00111111為1次跳變，00110000為2次跳變，以此類推這些都是等價(jià)模式。如，過多的模式種類會使得數(shù)據(jù)量過于巨大，所產(chǎn)生的直方圖會過于稀疏，對于我們進(jìn)行分類，識別工作是不利的。s(x)是符號函數(shù)，定義如下：圓形LBP 算子最基本的LBP算子，存在著缺陷其中最大的就是他不能滿足不同情況下的需求，例如不同的尺寸，不同的頻率紋理的需求。然后我們選定一個(gè)起始點(diǎn)這個(gè)圖片選的是左上角第一個(gè)點(diǎn)，然后按照順時(shí)針方向得到一個(gè)二進(jìn)制串10011010，轉(zhuǎn)換為十進(jìn)制則為154。在目前為止，在計(jì)算機(jī)視覺研究中還沒有一個(gè)非常明確的定義，即使我們能夠明確的覺察出兩個(gè)不同的紋理，但我們卻不能夠準(zhǔn)確的使用數(shù)學(xué)公式或者語言描述出兩者的差異，因此紋理分析是一個(gè)更為復(fù)雜并且具有挑戰(zhàn)性的問題。⑤第五章：進(jìn)行全文總結(jié)及展望。②第二章：簡要介紹了 LBP 算子的提出，并指出基本LBP算子的缺點(diǎn)，并對幾種改進(jìn)LBP算子做出基本介紹。但 LBP 算子本身還不夠完善，在人臉識別的應(yīng)用中還存在許多問題亟待解決。局部二值模式[4](Local Binary Pattern, LBP)是一種有效的紋理描述算子，它具有旋轉(zhuǎn)不變性和灰度不變性等顯著的優(yōu)點(diǎn)。第四節(jié) 本文的研究內(nèi)容及組織 本文主要研究內(nèi)容 盡管人類可以在各種復(fù)雜條件下迅速辨別出人臉，但對于計(jì)算機(jī)而言，人臉識別迄今為止仍是一項(xiàng)極具挑戰(zhàn)性的課題。這種方法不單止是保留了人臉中各部件的拓?fù)潢P(guān)系，還保留了各個(gè)部件自己的信息。尖下巴等特點(diǎn)，還有的就是比較奇特的特點(diǎn)，例如黑痣，酒窩，傷疤，胎記等，這些特點(diǎn)比較具有識別性。第三節(jié) 人臉識別算法分類目前，對現(xiàn)有的人臉識別算法很難進(jìn)行準(zhǔn)確的分類，因?yàn)椴煌难芯空撸赡軙牟煌慕嵌葘σ延械娜四樧R別方法進(jìn)行歸納和分類。再如，作為一個(gè)計(jì)算機(jī)視覺問題，如何融合人臉的一般性先驗(yàn)形狀信息來準(zhǔn)確地恢復(fù)特定人臉的3D結(jié)構(gòu)也是一個(gè)非常有價(jià)值的研究問題。但人臉具體形態(tài)的多樣性和所處環(huán)境的復(fù)雜性又造成了識別的巨大困難。人類本身具有很強(qiáng)的人臉識別能力。經(jīng)過幾十年的發(fā)展,特別是近二十年來,人臉識別成為模式識別和人工智能領(lǐng)域內(nèi)的熱門研究課題,引起了國內(nèi)外各知名大學(xué)、研究所及一些公司的廣泛關(guān)注,每年都有大量的相關(guān)學(xué)術(shù)論文發(fā)表隨著人臉識別算法研究的深入,公正合理地測試各種算法的性能也成了不少機(jī)構(gòu)的研究課題。而指紋，虹膜等方法沒有這個(gè)特點(diǎn)。一般來說，常見的攝像頭就可以用來進(jìn)行人臉圖像的采集，不需特別復(fù)雜的專用設(shè)備。第二節(jié) 人臉識別技術(shù)概況 在不同的生物特征識別方法中，人臉識別(Automatic Face Recognition)有其自身特殊的優(yōu)勢，因而在生物識別中有著重要的地位。另一個(gè)要考慮的是成本和系統(tǒng)復(fù)雜性問題，因?yàn)橐傻臇|西很多。③存放在便攜物里，如智能卡。 儲存模板取樣之后，模板要經(jīng)過加密儲存起來。它與語言識別的不同在于這項(xiàng)技術(shù)不對說出的詞語本身進(jìn)行辯識，而是通過分析語音的唯一特性，例如發(fā)音的頻率，來識別出說話的人。取樣的過程和結(jié)果對于生物識別成功與否至關(guān)重要。因而，人們對生物特征識別技術(shù)寄予厚望，期望能夠籍此技術(shù)來應(yīng)對現(xiàn)行系統(tǒng)安全所面臨的挑戰(zhàn)。生理特征與生俱來，多為先天性的，包括指紋、掌紋、手形、臉型、虹膜、視網(wǎng)膜、耳廓、DNA(脫氧核糖核酸)等；行為特征則是習(xí)慣使然，多為后天性的，包括筆跡、話音、步態(tài)、擊鍵動作等。 生物特征識別[2]，是指利用人體所固有的且能夠唯一標(biāo)識其身份生理特征或行為特征來進(jìn)行個(gè)人身份認(rèn)證的一種技術(shù)。傳統(tǒng)的個(gè)人身份鑒定的方法主要依靠信物(如各種證件、鑰匙、磁卡等)或身份標(biāo)識信息(如口令和密碼)，信物攜帶不便且容易丟失、被盜、損壞；身份標(biāo)識信息容易遺忘、被他人竊取或破解；更為嚴(yán)重的是傳統(tǒng)身份認(rèn)證方法往往無法區(qū)分信物或身份標(biāo)識信息真正的擁有者和冒充者。改進(jìn)LBP的人臉識別算法研究畢業(yè)論文目錄摘 要 1 ABSTRACT 1 第一章 緒 論 3 第一節(jié) 課題的研究背景及意義 3 一、 生物識別技術(shù) 3 二、 生物識別的過程 4 第二節(jié) 人臉識別技術(shù)概況 5 一、 人臉識別技術(shù)國內(nèi)外現(xiàn)狀 5 二、 人臉識別的難點(diǎn)和研究意義 6 第三節(jié) 人臉識別算法分類 6 第四節(jié) 本文的研究內(nèi)容及組織 7 一、 本文主要研究內(nèi)容 7 二、 本文組織安排 8 第二章 LBP 算子基本原理及應(yīng)用 9 第一節(jié) LBP 算子概述 9 一、 紋理概述 9 二、 LBP 算子 9 第二節(jié) LBP 的特點(diǎn) 11 第三節(jié) LBP 算子的發(fā)展和演化 12 一、 LGBP 12 二、 LTP 13 第四節(jié) 小結(jié) 14 第三章 LMCP方法 15 第一節(jié) LBP方法的缺點(diǎn) 15 第二節(jié) 獲取LMCP特征 15 第三節(jié) 將LMCP特征用于人臉識別 16 弄的和你上面的目錄一樣 你的重點(diǎn)是這個(gè) 不是LBP第四節(jié) 圖像與處理 17 第四章 實(shí)驗(yàn)與結(jié)果分析 19 第一節(jié) 引言 19 第二節(jié) 人臉庫 19 第三節(jié) 實(shí)驗(yàn)環(huán)境,步驟及參數(shù)設(shè)置 20 一、 實(shí)驗(yàn)環(huán)境 20 二、 實(shí)驗(yàn)方法 21 第四節(jié) 實(shí)驗(yàn) 21 一、 基于Yale人臉庫的實(shí)驗(yàn) 21 二、 基于ORL人臉庫的實(shí)驗(yàn) 23 第五節(jié) 結(jié)果與分析 24 第五章 總結(jié)與致謝 24 第一章 緒 論第一節(jié) 課題的研究背景及意義 生物識別技術(shù) 身份鑒定是人類社會日常生活中的基本活動之一，人們幾乎每時(shí)每刻都需要證明自己的身份?！罢J(rèn)證”指的是驗(yàn)證用戶是否為他所聲明的身份，“辨識”指的是確定當(dāng)前用戶的身份。生物識別技術(shù)正是在這樣的需求下應(yīng)運(yùn)而生的。目前，用于身份認(rèn)證的生物特征可分為兩類：生理特征和行為特征。與傳統(tǒng)的身份驗(yàn)證方法相比，生物特征識別突出的優(yōu)勢表現(xiàn)在生物特征是人類自身擁有的，不會丟失、不易偽造和假冒，也不會像持有的信物那樣容易被竊取或轉(zhuǎn)移，從而具有更高的可靠性、安全性和可用性。這個(gè)樣本就成為