[发明专利]基于纹理特征融合和SVM的人脸识别方法

摘要

本发明提出了一种基于纹理特征融合和SVM的人脸识别方法，属于图像处理领域；首先，运用均匀LBP算子来提取NSCT变换多尺度、多方向高频子带的纹理特征，然后统计每个高频子带的均匀模式LBP特征信息并将它们进行组合，得到一种结合LBP算子和NSCT优点的人脸纹理特征ULNBH。ULNBH缺乏低频信息，因此结合Gabor特征的特性提出将ULNBH特征和Gabor特征在特征层进行融合，从而得到一种人脸纹理特征信息更加完备的融合特征。在人脸识别阶段，运用主成分分析方法对高维的特征向量进行降维，然后采用SVM对降维后的融合特征进行识别。该融合特征对光照和姿态变化的鲁棒性更强。

主权项

1.一种适用于图像识别中的人脸识别方法，其特征在于，包括如下步骤：步骤1，对图像进行归一化处理，得到大小一致的人脸图片；所述步骤1包括：对训练样本图像进行尺度为w，方向为h的NSCT分解，得到一个低频子图A0以及多个不同尺度不同方向上的高频子图{A1，1，A1，2，...，Aw，1,...，Aw，h}，高频子图Aw，h描述了尺度为w，方向为h上的人脸纹理信息，各高频子图的大小为M×N；步骤2，分别对人脸库样本提取ULNBH特征向量和Gabor特征向量，将Gabor小波特征向量和ULNBH特征向量运用串行融合方法进行融合，得到融合特征G‑ULNBH并将G‑ULNBH融合特征进行归一化处理；所述步骤1和步骤2之间包括：A，用均匀LBP算子提取每个高频子图的局部邻域纹理信息，得到NSCT变换各高频子图的局部邻域纹理特征，把尺度为w方向为h的NSCT分解高频子图的均匀LBP特征矩阵标记为Cw，h；B，对Cw，h进行直方图统计，得到统计信息，得到每一个子带的统计信息，将同一人的高频子带的统计信息串连在一起得到人脸图像的特征信息ULNBH；ULNBH具有能够提取尺度较大结构的纹理特征的多尺度、多方向、平移、旋转不变特性；步骤3，将融合后的人脸特征向量分为两类，一类为训练样本，一类为测试样本，运用PCA算法对训练样本和测试样本的人脸特征矩阵进行降维，得到降维的特征矩阵；步骤4，对降维的特征矩阵格式进行调整，把人脸图像按照所属的类别分为1到W，W为人脸类别总数，将每一类人脸设定对应于自身类别的标签；步骤5，将人脸训练样本和测试样本的特征向量及标签输入SVM分类器，选择核函数及参数，最终由分类器的分类结果对人脸进行识别。