一种新的HOG特征维吾尔族人脸图像识别算法制造技术

本发明专利技术公开了一种新的HOG特征维吾尔族人脸图像识别算法，首先通过拉普拉斯滤波变换突出人脸图像的固有纹理特征，减弱非均匀光照的干扰，然后将拉普拉斯滤波变换后的人脸图像通过离散余弦变换DCT有效滤除高频分量的同时而保留离散余弦变化所产生的低频信息，经过离散余弦逆变换IDCT处理后构造出与原人脸图像相接近的恢复的图像，滤除人脸图像中并不敏感的中高频部分以及很好的降低了其维数，为后续提取人脸图像特征提供了很好的基础；最后利用梯度质量分布图HOG算子提取其人脸图像的特征并利用最近邻方法对人脸图像进行分类识别。该算法在Yale B人脸数据库以及课题组自建的维吾尔族人脸数据库中其识别率有了很大的提高，优于其他传统算法，并具有很强的鲁棒性。

【技术实现步骤摘要】
一种新的HOG特征维吾尔族人脸图像识别算法
本专利技术属于生物特征识别
，涉及一种人脸图像识别算法，具体地说，涉及一种新的HOG特征维吾尔族人脸图像识别算法。
技术介绍
人脸识别是最重要的生物特征识别技术之一，可广泛在社会安全、门禁安全系统、教学等众多领域中应用。随着人脸识别技术的成熟发展，许多相关产品已经很好的应用到人类生活中。同时，人脸识别技术的研究和应用具有许多问题，主要为其识别性能受诸多方面因素的影响，如人脸图像分辨率模糊、光照多样性、多姿态以及丰富的遮挡等问题。近年来，针对非均匀光照对人脸识别效果的干扰而提出很多算法，传统的人脸特征提取识别算法主要有Gabor人脸特征提取，局部二值模式LBP人脸特征提取，局部三值模式LTP人脸特征提取，梯度方向质量分布图HOG人脸特征提取等。Gabor人脸特征提取算法具有很好的表达能力，同时拥有与生物视觉系统相似的特性，因此开展了广泛的研究应用，但是由于其多尺度方向的维数特征过高，导致其计算过程比较复杂，因此很难实现实时性和有效性需求在实际的应用中。LBP及LTP人脸特征提取具有简单分类，且计算复杂性过于简化等特点，但是对非均匀光照等噪声干扰信号十分敏感，容易受干扰环境因素的影响。梯度方向质量分布图HOG特征对非均匀光照、局部遮挡等具有鲁棒性好及益于复杂计算，基于这些优越性的因素而越来越多的得到研究者的关注。梯度方向质量分布图(HOG)在2005年由Dalal首先提出.HOG特征由于对方向、光照等因素具有不敏感性，在计算机视觉研究中，如在行人识别领域得到了广泛的应用。到2011年被Deniz等人首次应用于人脸识别中，然而HOG特征在人脸识别中的研究成果相对较少，HOG特征在人脸识别应用中的潜力还有待挖掘。
技术实现思路
本专利技术提出了一种新的HOG特征维吾尔族人脸图像识别算法，该方法是基于拉普拉斯滤波和离散余弦变换(DCT)融合的梯度质量分布图(HOG)维吾尔族人脸识别算法。该算法首先通过拉普拉斯滤波变换突出人脸图像的固有纹理特征，减弱非均匀光照的干扰，然后将拉普拉斯滤波变换后的人脸图像通过离散余弦变换(DCT)，这样可以有效滤除高频分量的同时而保留离散余弦变化所产生的低频信息，随后经过离散余弦逆变换(IDCT)处理后构造出与原人脸图像相接近的恢复的图像，滤除人脸图像中并不敏感的中高频部分以及很好的降低了其维数，为后续提取人脸图像特征提供了很好的基础；最后利用梯度质量分布图(HOG)算子提取其人脸图像的特征并利用最近邻方法对人脸图像进行分类识别。实验结果表明，该算法在YaleB人脸数据库以及课题组自建的维吾尔族人脸数据库中其识别率有了很大的提高，优于其他传统算法，并具有很强的鲁棒性。其技术方案如下：一种新的HOG特征维吾尔族人脸图像识别算法，包括以下步骤：(1)对训练样本人脸图像进行拉普拉斯滤波变换预处理；(2)对完成拉普拉斯滤波变换预处理后的人脸图像分成8×8人脸图像块，然后将图像块进行DCT变换，提取其人脸图像的左上角10个低频系数特征分量；(3)将提取的人脸图像左上角10个低频系数特征分量通过离散余弦逆变换IDCT获得其与原始图像相近的重构的人脸图像；(4)通过公式和α(x,y)＝arctan(Gy/Gx)获得重构人脸图像的梯度；(5)运用式1≤k≤K以单元Cell为单位模式，统计梯度方向质量分布图；(6)以块block为单位，对块内的梯度方向质量分布图进行归一化处理；(7)将各个块内的梯度质量分布图拼接起来，得到最终人脸图像的HOG特征；(8)最后用最近邻方法对人脸图像进行分类识别。本专利技术的有益效果为：本专利技术提出拉普拉斯滤波和离散余弦变换(DCT)融合的梯度质量分布图(HOG)人脸识别算法。该算法通过拉普拉斯滤波突出其人脸图像的边缘和纹理特征，减弱非均匀光照干扰，利用离散余弦变换(DCT)消除人脸图像高频信息数据，保留其低频信息数据，同时降低了人脸图像维数，并运用离散余弦逆变换(IDCT)重新构建人脸图像，虽然重构的人脸图像与原始人脸图像有一定的差异，但是基本上保留了原始人脸图像的信息数据，进而利用梯度质量分布图(HOG)算子提取出人脸固有特征，进行识别分类。本专利技术所提出的算法在一定程度上能够在光照干扰下很好的提取人脸图像特征，并取得了优越的分类识别效果，在YaleB人脸数据库以及课题组自建的维吾尔族人脸数据库中的实验仿真显示，该算法在不同特征维数下的YaleB人脸数据库中识别率高达95％以及课题组自建的维吾尔族人脸数据库中其识别率高达98.5％，与其他人脸图像识别算法比较其识别率有了很大的提高，识别辨析具有很好的鲁棒性。附图说明图1部分维吾尔族人脸数据库；图2人脸图像识别流程；图3YaleB人脸数据库；图4非均匀光照下的维吾尔族人脸数据库；图5维吾尔族人脸数据库识别率；图6YaleB人脸数据库识别率。具体实施方式下面结合附图和具体实施方式对本专利技术的技术方案作进一步详细地说明。1拉普拉斯滤波人脸图像经常表现出不同的纹理、角点以及其他识别信息在不同尺度上，其中拉普拉斯滤波就是其中一种多尺度分析工具，它能构将使更多的纹理特征表现出来经过滤波之后。其具体表达式为：为了对人脸图像处理，将其表示为二维离散形式：g(x,y)＝f(x,y)+c[▽2f(x,y)](3)上式(3)里，g(x,y)为目标图像，f(x,y)为原始图像。当掩膜中心系数为正时，c为1；当掩膜中心系数为负时，c为-1。人脸图像经过拉普拉斯滤波之后，可以突出人脸图像的边缘固有纹理特征。2离散余弦变换(DCT)离散余弦变换(DCT)被广泛用于图像数据的压缩处理，并将数据信息转换为频域信息，并将重要的人图像数据信息聚集于低频系数上。离散余弦变换(DCT)算法中，把一幅人脸图像矩阵当作二维向量矩阵，在处理单个二维向量矩阵时，可以先将二维特征向量抽取后，再将其前面所抽取的二维特征向量放入其预先准备好的特征库以便进行其后面的识别；当需要将新的人脸图像添加到库中时，首先对其预处理工作，然后对该人脸图像进行DCT变换，这样就不用顾忌其他人脸图像，即使库中的人脸图像数据很大，那么计算量也不会很大。对于一幅m×n的人脸图像f(x,y)，他的DCT表达式可以描述为：上式中，C(u,v)称为DCT内在的固定系数，DCT变换是正交变换，人脸图像经过DCT变换后,其中数值大的系数主要聚集于左上角的非高频部分，也就是说通过DCT变换后的主要信息数据量聚集在少数非高频频系数值上。二维离散余弦变换(DCT)可逆变换的，其逆变换称之为离散余弦逆变换(IDCT)是，其定义为：利用IDCT,可获得重建的人脸图像，虽然重建的人脸图像与原始人脸图像虽然不是完全相似，但是其主要的信息数据都保留了下来，这样一来，其人脸图像的光照等干扰因素都被一定的削弱，且降低了人脸图像的维数，对后续更好地提取人脸图像特征起到很大的作用。3HOG特征提取描述HOG特征描述算子源于SIFT算法，是有用的图像局部差分信息的描述子，对表情多姿态变换、光照强弱、复杂场景变化等线性变换具有优越的鲁棒性。梯度质量分布图(HOG)特征提取在模式识别范围内取得了成功地应用，如人脸图像识别、人体行人检测、目标识别跟踪等。在计算机视觉和图像处理中，HOG特征描述子是本文档来自技高网...

【技术保护点】
一种新的HOG特征维吾尔族人脸图像识别算法，其特征在于，包括以下步骤：(1)对训练样本人脸图像进行拉普拉斯滤波变换预处理；(2)对完成拉普拉斯滤波变换预处理后的人脸图像分成8×8人脸图像块，然后将图像块进行DCT变换，提取其人脸图像的左上角10个低频系数特征分量；(3)将提取的人脸图像左上角10个低频系数特征分量通过离散余弦逆变换IDCT获得其与原始图像相近的重构的人脸图像；(4)通过公式

【技术特征摘要】
1.一种新的HOG特征维吾尔族人脸图像识别算法，其特征在于，包括以下步骤：(1)对训练样本人脸图像进行拉普拉斯滤波变换预处理；(2)对完成拉普拉斯滤波变换预处理后的人脸图像分成8×8人脸图像块，然后将图像块进行DCT变换，提取其人脸图像的左上角10个低频系数特征分量；(3)将提取的人脸图像左上角10个低频系数特征分量通过离散余弦逆变换IDCT获得其与原始图像...

【专利技术属性】
技术研发人员：伊力哈木·亚尔买买提，
申请(专利权)人：新疆大学，
类型：发明
国别省市：新疆,65