基于MB-LBP和改进的LFDA的人脸识别

摘要：

提出了一种基于多块LBP(Multi-scale Block Local Binary Patterns,MB-LBP)和改进的局部化的Fisher判别分析(Local Fisher Discriminant Analysis,LFDA)的人脸识别算法.该算法利用MB-LBP的局部和整体描述能力强化了标注样本的局部分析和训练样本的全局分析；以每个样本与同类其他样本的欧氏距离均值作为参数,克服了类内散度计算限制；通过参数融合训练样本的总散度信息保持样本的全局结构.实验表明,MB-LBP为局部保持分析和全局保持分析提供了良好的基础；在少量标注样本情况下,改进的LFDA的适应性和识别率明显优于LFDA.

关键词：多块LBP、局部Fisher判别分析、全局结构、人脸识别

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目70771077;浙江省教育厅科研项目Y201122544;绍兴文理学院元培学院科研项目090610

在线出版日期：2012-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：266-269