LBP和HOG的分层特征融合的人脸识别
针对 LBP 描述子提取的纹理特征有限且不能有效地描述图像边缘和方向信息的问题,提出了 LBP 和 HOG的分层特征融合的方法.首先利用LBP算子提取图像的分层纹理谱特征,然后利用HOG算子提取原始图像的边缘特征和基于分层LBP特征的分层HOG特征,最后将分层LBP特征分别与2种HOG边缘特征融合,得到2种不同的多层融合特征.通过在ORL, Yale和GT人脸库上进行实验,比较了15种算法的识别性能,结果证明了文中方法的有效性;相对于传统的经典降维算法、单一的 LBP 特征提取算法和 HOG 特征提取算法,该方法的识别率有很大的提高,分别达到99%,99.5%和99.14%.
人脸识别、局部二值模式、梯度方向直方图、分层特征、特征提取
TP391.4(计算技术、计算机技术)
国家自然科学基金重点项目91324201;国家自然科学基金项目81271513;武汉理工大学自主创新项目2013-1a-017
2015-04-27(万方平台首次上网日期,不代表论文的发表时间)
共11页
640-650