浅谈改进的LBP算法

房德峰

摘 要：局部二元模式算子法计算简单且易于实现，能有效地提取人脸局部结构的纹理特征。但是，在光照和噪声等非理想条件下，该算法的识别率会下降。为了减少光照、噪声等对人脸识别性能的影响，在已有局部二值模式（LBP）纹理分析算法的基础上，提出了一种基于邻域灰度中间值的局部二值模式纹理特征提取算法。算法用像素邻域灰度值的中间值代替该像素点的灰度值，从而使得提取到的特征对光照变化和噪声等更加鲁棒。为了验证算法的有效性，在著名的AR和FERET人脸数据库上进行实验，结果表明该算法优于传统的LBP算法。

关键词：人脸识别 局部二值模式 特征提取 最大散度差鉴别分析

3.2改进后的算法

LBP作为图像纹理表示的一种极其有效的方法，不仅能够描述出图像中的一些微小特征，包括亮点、暗点、稳定区域以及各方向边缘等，而且还能够反映出这些特征的分布情况。这些优点使得LBP特征具有极强的分类能力。但是在提取中心像素，对噪声比较敏感，特别是在近统一模式图像区域。既然图像的绝大多数区域是统一模式区域，那么在这些近统一模式区域中提高LBP算子的鲁棒性进而提高整个特征空间的分类性能是非常有意义的。为了减少光照、噪声等因素造成的局部像素灰度值的突变，在应用LBP算子前先对该像素邻域像素灰度值进行排序，使用9个像素灰度值的中间值取代中心像素的灰度值，具体计算过程如图2所示。

5.结论：为了减少光照、噪声等非理想因素对人脸识别性能的影响，提出了一种基于邻域像素灰度值中间值的局部二值模式纹理特征提取算法。在已有局部二值模式（LBP）纹理分析算法的基础上用中心像素邻域像素灰度的中间值代替该像素点的灰度值，从而使得提取到的特征对光照变化和噪声等影响更加弱化。在著名的AR和FERET人脸数据库上的实验结果表明， 该算法的识别率比传统的LBP算法有一定程度的提高。

参考文献：

[1] R.M.Makwana， Illumination Invariant Face Recognition： A Survey of Passive Methods， Procedia Computer Science， 2010， 2：101-110.

[2] X.Y.Tan， S.C.Chen， Face recognition from a single image per person： A survey， Pattern Recognition， 2006，39：1725-1745.

[3] 李晓东，费树岷.一种改进的模块2DPCA人脸识别方法[J].系统仿真学报，2009， 21（15）：4672-4675.

[4] T.Ojala， M.Pietikainen， T.Maenpaa.Multiresolution Gray-scale and Rotation Invariant Texture Classification with Local Binary Patterns[J].IEEE Transactions on Pattern Analysis and Machine Intelligence， 2002， 24（7）：971-987.

[5] 赵建民，朱信忠，江小辉.基于改进型LBP特征的人脸识别方法研究[J].计算机科学，2009，36（8）： 276-280.

[6] J.Yang， D.Zhang， A.Frangi， J.Y.Yang.Two-dimensional PCA： a new approach to appearance- based face representation and recognition[J].IEEE Trans.Pattern Anal.Mach.Intell.， 2004， 26（1）：131-137.

[7] D.Zhou ， X，Yang， N.S.Peng， Y.Z.Wang， Improved-LDA based face recognition using both facial global and local information， Pattern Recognition Letters， 2006，27： 536–543.

[8] X.D.Li， S.M.Fei， T.Zhang， Median MSD based method for face recognition， Neurocomputing， 2009， 72（16-18）： 3930-3934.

[9] Martinez A R， Benavente R.The AR face database [R].Computer Vision Center （CVC）， Barcelona， Spain， Technical Report 24， 1998.

[10] P.J.Phillips， H.Moon， S.A.Rizvi， P.J.Rauss， The FERET evaluation methodology for Face Recognition algorithms， IEEE Trans.on Pattern Analysis and Machine Intelligence， 22（10）（2000）1090-1104.[FL）