【正文】 有旋轉不變和灰度不變等優(yōu)點，還支持多尺度分析。從某種意義上說，這種方法將統(tǒng)計分析和結構紋理分析的方法結合起來，為同時分析隨機性紋理和周期的紋理開辟了一條有效的途徑。第3節(jié) LBP 算子的發(fā)展和演化LBP 算子從提出至今，引起了許多學者的興趣和關注。LBP具有原始紋理和布局規(guī)則，因此，LBP分布具有結構分析的特點；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，這明顯又具有統(tǒng)計分析方法的特點。這樣，LBP模式可以被看作一種微觀結構。LBP并不是試圖從單一的像素點來描述紋理，而是用一個局部區(qū)域的模式來描述紋理。任何紋理圖像都包含了統(tǒng)計特征和規(guī)律特征兩種特征，因此，使用單一的統(tǒng)計分析方法或結構分析方法都很難取得令人滿意的分類效果。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成的結構規(guī)律的。這類方法一般原理簡單，較易實現(xiàn)，但適用范圍受到限制，主要適合紋理圖像中那些沒有明顯規(guī)則性的結構圖像，特別適合于具有隨機的、非均勻性的結構。統(tǒng)計分析方法從圖像有關屬性的統(tǒng)計分析出發(fā)，主要是基于圖像像素的灰度值的分布與相互關系，找出反映這些關系的特征。第2節(jié) LBP 的特點紋理同時具有隨機性和結構性的特點，為了定量描述紋理，多年來人們建立了許多紋理算法以測量紋理特性。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模式。針對這個問題，Ojala提出了一種名為“等價模式”對LBP算子進行降維。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，對于我們進行分類，識別工作是不利的。如下圖定義的的5*5領域 5*5領域的圓形LBP算子，每個點可以各自計算出它的值：其中為鄰域中心點，為某個采樣點。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。對整個圖片的所有點都這樣處理，也就是以它為中心與附近的8個點相比較，這樣就得到整個圖所有點的LBP值。然后我們選定一個起始點這個圖片選的是左上角第一個點，然后按照順時針方向得到一個二進制串10011010，轉換為十進制則為154。 基本LBP定義，我們要計算的中間那個點的LBP。在目前為止，在計算機視覺研究中還沒有一個非常明確的定義，即使我們能夠明確的覺察出兩個不同的紋理，但我們卻不能夠準確的使用數(shù)學公式或者語言描述出兩者的差異，因此紋理分析是一個更為復雜并且具有挑戰(zhàn)性的問題。直觀的表現(xiàn)在圖像上就是亮度，顏色的變化，而從廣義上來說，基本上所有的圖像都是具有了紋理信息，與其他的圖像特征相比紋理特征反映的是灰度模式下的空間分布，其中包含了此圖像的表面信息以及周圍環(huán)境的關系，能夠更好的反映出圖像的信息以及結構，所以目前，紋理分析在圖像分析中收到了格外的關注。⑤第五章：進行全文總結及展望。然后描述LMCP特征值的獲取方法，并將其用于人臉識別中。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，并對幾種改進LBP算子做出基本介紹。該方法先通過預處理，將光照變化控制在一定范圍內(nèi)然后求的局部區(qū)域中心像素點和鄰居像素點之間的對比度值，并將其最大值和最小值之間的值域劃分為若干個層次，將每個對比度值映射到某個層次上，再使用LBP類似方法獲得若干個數(shù)值組合而成的LMCP特征值，此外，還使用了統(tǒng)計映射的方法進行降維。但 LBP 算子本身還不夠完善，在人臉識別的應用中還存在許多問題亟待解決。Ahonen 等將 LBP 算子引入了人臉識別[7]，他們將人臉圖像劃分為幾個互不重疊的區(qū)域，利用 LBP 的局部特性和直方圖方法的統(tǒng)計特性，一定程度上實現(xiàn)了局部特征與全局特征的結合，該方法在 FERET 人臉庫上取得了較好的實驗效果。局部二值模式[4](Local Binary Pattern, LBP)是一種有效的紋理描述算子，它具有旋轉不變性和灰度不變性等顯著的優(yōu)點。如何找到有效的特征來描述人臉是人臉識別的關鍵，人臉特征的提取盡管已經(jīng)有了一定的研究，但是由于人臉圖像的對于光照條件、人臉表情和姿態(tài)變化的問題，以及問題本身的復雜性，還難以找到比較有效的特征。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雜條件下迅速辨別出人臉，但對于計算機而言，人臉識別迄今為止仍是一項極具挑戰(zhàn)性的課題。天然的人臉識別系統(tǒng)中并不是單一的局部以及全局的運用，而是從這兩個方面同時進行作用，二者同樣的重要，并且這一類不能很好的區(qū)分出主要是運用了局部特征方法還是全局特征方法。這種方法不單止是保留了人臉中各部件的拓撲關系，還保留了各個部件自己的信息。 基于全局特征的人臉識別基于全局特征的人臉識別，其中全局特征指的是人臉的膚色，整體的輪廓，還有的是五官之間的位置分布等特征。尖下巴等特點，還有的就是比較奇特的特點，例如黑痣，酒窩，傷疤，胎記等，這些特點比較具有識別性。這里，根據(jù)特征提取的方法、特征形式的不同，我們將人臉識別方法主要分為三類：基于局部特征、基于全局特征、基于混合特征。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行準確的分類，因為不同的研究者，可能會從不同的角度對已有的人臉識別方法進行歸納和分類。來自各個領域的困難使得人臉識別技術成為一項極富挑戰(zhàn)性的研究課題。再如，作為一個計算機視覺問題，如何融合人臉的一般性先驗形狀信息來準確地恢復特定人臉的3D結構也是一個非常有價值的研究問題。人臉識別問題的深入研究和最終解決，可以極大地促進這些學科的成熟和發(fā)展。但人臉具體形態(tài)的多樣性和所處環(huán)境的復雜性又造成了識別的巨大困難。這種困難一方面源于計算機本身學習能力的局限性，另一方面則是由人臉識別技術所具有的復雜性造成的。人類本身具有很強的人臉識別能力。另外,國內(nèi)的很多高校,如清華大學、哈爾濱工業(yè)大學、南京理工大學、復旦大學、南京大學、西安電子科技大學等,也在進行人臉識別相關領域的研究。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域內(nèi)的熱門研究課題,引起了國內(nèi)外各知名大學、研究所及一些公司的廣泛關注,每年都有大量的相關學術論文發(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構的研究課題。人臉識別擁有這些良好的特性，使其具有非常廣泛的應用前景，正在引起學術界和商業(yè)界越來越多的關注。而指紋，虹膜等方法沒有這個特點。通過人臉識別身份，與人類的習慣一致。一般來說，常見的攝像頭就可以用來進行人臉圖像的采集，不需特別復雜的專用設備。人臉識別無需干擾人們的正常行為就能較好地達到識別效果，無需擔心被識別者是否愿意將手放在指紋采集設備上，他們的眼睛是否能夠?qū)屎缒呙柩b置……而進行人臉識別卻只要在攝像機前自然地停留片刻，用戶的身份就會被正確識別。第二節(jié) 人臉識別技術概況 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。在有些系統(tǒng)中，參考用的模板是隨著每一次有效的交易過程而動態(tài)更新的。另一個要考慮的是成本和系統(tǒng)復雜性問題，因為要集成的東西很多。因為它不需要另行儲存模板，用戶可以攜帶自己的模板在任意設備上使用。③存放在便攜物里，如智能卡。②存放在遠程中央數(shù)據(jù)庫里。 儲存模板取樣之后，模板要經(jīng)過加密儲存起來。它分析的是筆的移動，例如加速度、壓力、方向以及筆劃的長度，而非簽名的圖像本身。它與語言識別的不同在于這項技術不對說出的詞語本身進行辯識，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。例如，面孔識別系統(tǒng)通過分析臉部特征的唯一形狀、模式和位置來辯識人。取樣的過程和結果對于生物識別成功與否至關重要。一般來說，生物識別系統(tǒng)都包括如下幾個處理過程：采集樣本很顯然，在我們通過生物識別驗證個人身份之前，首先要捕捉選擇好的生物學特征的樣本。因而，人們對生物特征識別技術寄予厚望，期望能夠籍此技術來應對現(xiàn)行系統(tǒng)安全所面臨的挑戰(zhàn)?；谶@些特征，人們發(fā)展了指紋識別、面部識別、發(fā)音識別等多種生物識別技術。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；行為特征則是習慣使然，多為后天性的，包括筆跡、話音、步態(tài)、擊鍵動作等。⑤安全性：用欺詐的方法騙過系統(tǒng)的難易程度；⑥理論依據(jù)：是否具有相關的、可信的研究背景作為技術支持；當然，在應用過程中，還要考慮其他的實際因素，比如：識別精度、識別速度、對人體無傷害、可接受性、隱私保護等等。 生物特征識別[2]，是指利用人體所固有的且能夠唯一標識其身份生理特征或行為特征來進行個人身份認證的一種技術。顯然，這些致命的缺點使得傳統(tǒng)的身份鑒定方法已經(jīng)完全不能滿足現(xiàn)代社會的要求，于是人們亟需尋找一種更方便、更可靠、更安全的身份驗證方式。傳統(tǒng)的個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；身份標識信息容易遺忘、被他人竊取或破解；更為嚴重的是傳統(tǒng)身份認證方法往往無法區(qū)分信物或身份標識信息真正的擁有者和冒充者。關于個人身份鑒定的問題可以分為兩類：認證(Verification)和辨識(Identification)[1]。改進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 3 二、 生物識別的過程 4 第二節(jié) 人臉識別技術概況 5 一、 人臉識別技術國內(nèi)外現(xiàn)狀 5 二、 人臉識別的難點和研究意義 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 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 14 第三章 LMCP方法 15 第一節(jié) LBP方法的缺點 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 你的重點是這個 不是LBP第四節(jié) 圖像與處理 17 第四章 實驗與結果分析 19 第一節(jié) 引言 19 第二節(jié) 人臉庫 19 第三節(jié) 實驗環(huán)境,步驟及參數(shù)設置 20 一、 實驗環(huán)境 20 二、 實驗方法 21 第四節(jié) 實驗 21 一、 基于Yale人臉庫的實驗 21 二、 基于ORL人臉庫的實驗 23 第五節(jié) 結果與分析 24 第五章 總結與致謝 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 身份鑒定是人類社會日常生活中的基本活動之一，人們幾乎每時每刻都需要證明自己的身份。而隨著計算機及網(wǎng)絡技術的高速發(fā)展，電子商務、網(wǎng)上銀行、公共安全等領域的信息安全顯示出前所未有的重要性，個人身份鑒定是保證系統(tǒng)安全的必要前提?！罢J證”指的是驗證用戶是否為他所聲明的身份，“辨識”指的是確定當前用戶的身份。一旦他人獲得信物或身份標識信息就具有與擁有者相同的權力，使真正擁有者的利益受到威脅。生物識別技術正是在這樣的需求下應運而生的。人體所固有的生物特征有許多，一般認為，能夠用來認證身份的生物特征應該具有以下的特性：①普遍性：每個正常人都應該具有這種特征； ②惟一性：不同的人應該具有各不相同的特征；③可采集性：所選擇的特征可以定量測量；④穩(wěn)定性：所選擇的特征至少在一段較長的時間內(nèi)是不變的，并且特征的采集不隨條件、環(huán)境的變化而變化。目前，用于身份認證的生物特征可分為兩類：生理特征和行為特征。這些特征都在一定程度上是“人人擁有、人各不同、長期不變”的，都能反映個體特點，并與個體的身份一一對應，從而可以用來驗證個體身份的真?zhèn)?。與傳統(tǒng)的身份驗證方法相比，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移，從而具有更高的可靠性、安全性和可用性。 生物識別的過程 一個優(yōu)秀的生物識別系統(tǒng)要求能實時迅速有效地完成其識別過程。這個樣本就成為生物識別的模板，以后驗證時取得的新樣本要以原始模板為參考進行比較，通常要取多份樣品以得到有代表性的模板。對于不同的生物識別技術，取樣的原理和方法是不同的。聲音識別是對基于生理學和行為特征的說話者嗓音和語言學模式的運用。簽名識別是建立在簽名時的力度上的。簽名識別的關鍵在于區(qū)分出不同的簽名部分，有些是習慣性的，而另一些在每次簽名時都不同。模板的儲存可以有以下幾種選擇：①存放在生物識別閱讀設備里。這種方法適用于安全的網(wǎng)絡環(huán)境里，而且要有足夠的運行速度。這是一個很吸引人的想法。但是，如果用戶丟失或損壞了智能卡，他就必須重新輸入數(shù)據(jù)。 身份驗證驗證過程是這樣的，用戶通過某種設備輸入其生物學特征，提出身份鑒定請求，輸入的特征與模板比較后得出匹配或不匹配的結果除了告訴用戶外，這一過程還被記錄下來存在本地或遠程主機上。這樣可以使系統(tǒng)適應由客觀因素造成的微小變化，如用戶年齡增長、機器磨損等。與其它生物識別技術相比較，人臉識別具有：非侵擾性。采集設備簡單，使用快捷。采集一般可在數(shù)秒內(nèi)完成。也就是說，人和機器都可以使用人臉圖片進行識別，這使得人和機器可以配合工作。一個沒有經(jīng)過特殊訓練的人，無法利用指紋和虹膜