本发明专利技术涉及一种基于图像局部图结构的人脸识别特征提取算法，包括以下步骤：在人脸灰度图像中，从左至右且从上至下依次选取5×3大小的邻域；以中心像素点为起点按一定顺序构建局部有向图结构；根据有向图的方向依次比较各有向边两端像素点的灰度值的大小，并基于给定原则为各有向边赋值；将所有边的权值乘以对应的权重得到一个16位二进制串值，最后以该二进制串的实际数值作为中心像素点的特征值；重复上述步骤得到整张人脸图像的特征值。本发明专利技术设计合理，能够充分利用邻域内各像素点之间的关系，准确地描述人脸图像的局部特征，进而有效地提高识别率；同时，相对于LGS和SLGS，可以有效地提高纹理信息的利用率，对图像识别具有更好的鲁棒性。
【技术实现步骤摘要】
一种基于图像局部图结构的人脸识别特征提取算法技术邻域本专利技术属于生物识别
，涉及针对灰度图像特征提取的算法，尤其是一种基于图像局部图结构的人脸识别特征提取算法。
技术介绍
在图像纹理特征提取算法中，LBP作为一种简单且非常有效的局部纹理算子得到广泛应用，它将各个像素与其附近的像素进行比较，并把结果保存为二进制串。由于LBP算法辨别力强大和计算简单，因此，局部二值模式纹理算子已经在不同的场景下得到应用。LBP算法最重要的属性是对诸如光照变化等造成的灰度变化的鲁棒性。LBP算法的另外一个重要特性是它的计算简单，这使得它可以对图像进行实时分析。但是，采用LBP算子进行特征提取会损失掉部分图像空间信息。为降低图像空间信息的损失，2011年，EimadAbusham等人在文献Facerecognitionusinglocalgraphstructure(LGS).LectureNotesinComputerScience.2011：169-175中提出了一种基于局部图结构(LGS)的人脸识别算法。该算法的基本思想是：以某个像素为中心的3×4的邻域内，按逆时针方向构建有向图(如图1所示)，然后对图中每条有向边两端的像素点的灰度值进行比较，如果起始点的灰度值大于终止点的灰度值，则将该边赋值为1，否则赋值为0。2014年，针对LGS算法的不足，MohdFikriAzlibinAbdullah等人在文献FacerecognitionwithSymmetricLocalGraphStructure(SLGS).ExpertSystemswithApplications.2014，41(14):6131-6137中提出了一种基于对称图结构(SLGS)的人脸识别算法。该算法的基本思想是：首先将图像转换为128×128的灰度图像，以某像素为中心像素点，在其5×3邻域的左边按逆时针构造有向图，在其右边按顺时针构造有向图，然后按照LGS计算有向边的值的原则计算各有向边的值并获得该像素的对应灰度值(如图2所示)，这样，可以从每张图片中提取15624个特征值。然而，无论是LGS还是SLGS，其主要提取的是中心像素点左右相邻点的纹理信息，丢弃了该像素上下相邻的纹理信息，这样导致部分纹理信息的缺失，从而降低了人脸识别的效率。通过检索，尚未发现与本专利技术专利申请相关的专利公开文献。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提出一种基于图像局部图结构的人脸识别特征提取算法，解决生物识别过程中特征提取时不能充分利用邻域内各像素点的空间信息进行特征提取的问题。本专利技术解决其技术问题是采取以下技术方案实现的：一种基于图像局部图结构的人脸识别特征提取算法，包括以下步骤：步骤1、在人脸灰度图像中，从左至右且从上至下依次选取5×3大小的邻域；步骤2、以中心像素点为起点按一定顺序构建局部有向图结构；步骤3、根据有向图的方向依次比较各有向边两端像素点的灰度值的大小，并基于给定原则为各有向边赋值；步骤4：将所有边的权值乘以对应的权重得到一个16位二进制串值，最后以该二进制串的实际数值作为中心像素点的特征值；步骤5、重复步骤1至步骤4，得到整张人脸图像的特征值。进一步，所述步骤1选取5×3大小的邻域为：以X0为中心的5×3邻域中的各点从左至右且从上至下像素分别为：X1、X2、X3、X4、X5、X6、X7、X0、X8、X9、X10、X11、X12、X13、X14、X15。进一步，所述步骤2构建局部有向图结构是按照如下顺序构建并用箭头指示：X0、X4、X2、X0、X7、X1、X10、X7、X0、X12、X14、X0、X8、X15、X5、X8、X0。进一步，所述步骤3的给定原则为：如果有向边的弧尾像素的灰度值大于弧头像素的灰度值，则将该边上的权值设为0，否则将该边上的权值设为1。进一步，所述步骤4的具体方法为：将所有边上的权值按照X0→X4→X2→X0→X7→X1→X10→X7→X0→X12→X14→X0→X8→X15→X5→X8→X0的方向排列，然后化为非负的十进制数，最后对该十进制数开方并向下取整，得到中心像素点X0的特征值。本专利技术的优点和积极效果是：1、本专利技术采用传统的5×3邻域构建有向图，图中中心像素点能更好地利用其邻域点的信息表示，从而更能准确地描述人脸特征，进而有效地提高人脸的识别率，解决生物识别过程中特征提取时不能充分利用邻域内各像素点的空间信息进行特征提取的问题。2、本专利技术利用局部有向图进行特征提取，并充分利用邻域内各像素点之间的灰度关系，由于该算法除了采用某个像素点的4个角上的邻域点信息外，其四个角上的邻域点的纹理关系也被考虑进来，因此相对于LGS和SLGS，可以有效地提高纹理信息的利用率，对图像识别具有更好的鲁棒性。附图说明图1为现有技术中的LGS邻域及其有向图构建示意图；图2为现有技术中的SLGS邻域及其有向图构建示意图；图3为本专利技术邻域及其有向图构建示意图；图4为本专利技术与LBP、LGS、SLGS在YALE人脸库上的识别率对比图。具体实施方式以下结合附图对本专利技术实施例做进一步详述。一种基于图像局部图结构的人脸识别特征提取算法，是以普通视频采集设备采集的人脸区域的彩色视频为原始信号，以原始信号的灰度图像为特征提取依据，并使用基于图像局部图结构的特征提取算法进行特征提取，具体实现方法包括以下步骤：步骤1、在人脸灰度图像中，从左至右，从上至下，依次选取5×3大小的邻域。在本步骤中，需要从人脸灰度图像提取分割包含人脸的ROI区域，并灰度化，然后选取5×3大小的邻域。如图3所示，所选取邻域像素(从左至右且从上至下的16个像素：X1、X2、X3、X4、X5、X6、X7、X0、X8、X9、X10、X11、X12、X13、X14、X15)的对应灰度值分别为54、62、92、84、59、7、82、55、15、84、5、17、62、42、55。步骤2、在所选择的邻域中按照X0→X4→X2→X0→X7→X1→X10→X7→X0→X12→X14→X0→X8→X15→X5→X8→X0的方向构建有向图，如图3所示。步骤3、根据图结构依次比较每条有向边弧头与弧尾像素点的灰度值的大小，并按照“如果有向边的弧尾像素的灰度值大于弧头像素的灰度值，则将该边上的权值设为0，否则设为1”的原则，得到二进制串值分别为1、0、0、1、0、0、1、0、0、1、1、0、1、1、0、1。步骤4、将步骤3中得到的二进制串值由高位到低位的顺序进行排列，得到一个16位二进制串1001001001101101，接着将其转换为十进制数为37485，然后对该十进制数进行开方并向下取整，得到193，最后将193作为邻域内中心像素点的特征值。本步骤是将步骤3得到的16条有向边的权值按序组成一个16位的二进制串，其中权值的按步骤3的顺序由高位向低位进行组合。由于得到的二进制串的实际最大数值为215+214+…+21+20，也就是65535。由于数值过大，不利于计算，因此将等到的特征值开方并向下取整，最终得到中心像素点的最大特征值为255。步骤5、重复步骤1至步骤4，得到整张人脸图像的特征值。通过实验结果可以对本专利技术的效果做进一步验证。如图4所示，在YALE数据库上，当训练样本数据取4、5、6、7、8时本文档来自技高网...
【技术保护点】
1.一种基于图像局部图结构的人脸识别特征提取算法，其特征在于包括以下步骤：步骤1、在人脸灰度图像中，从左至右且从上至下依次选取5×3大小的邻域；步骤2、以中心像素点为起点按一定顺序构建局部有向图结构；步骤3、根据有向图的方向依次比较各有向边两端像素点的灰度值的大小，并基于给定原则为各有向边赋值；步骤4：将所有边的权值乘以对应的权重得到一个16位二进制串值，最后以该二进制串的实际数值作为中心像素点的特征值；步骤5、重复步骤1至步骤4，得到整张人脸图像的特征值。
【技术特征摘要】
1.一种基于图像局部图结构的人脸识别特征提取算法，其特征在于包括以下步骤：步骤1、在人脸灰度图像中，从左至右且从上至下依次选取5×3大小的邻域；步骤2、以中心像素点为起点按一定顺序构建局部有向图结构；步骤3、根据有向图的方向依次比较各有向边两端像素点的灰度值的大小，并基于给定原则为各有向边赋值；步骤4：将所有边的权值乘以对应的权重得到一个16位二进制串值，最后以该二进制串的实际数值作为中心像素点的特征值；步骤5、重复步骤1至步骤4，得到整张人脸图像的特征值。2.根据权利要求1所述的一种基于图像局部图结构的人脸识别特征提取算法，其特征在于：所述步骤1选取5×3大小的邻域为：以X0为中心的5×3邻域中的各点从左至右且从上至下像素分别为：X1、X2、X3、X4、X5、X6、X7、X0、X8、X9、X10、X11、X12、X13、X14、X15。3.根据权利要求1所...
【专利技术属性】
技术研发人员：吴超，杨巨成，任德华，刘建征，
申请(专利权)人：天津科技大学，
类型：发明
国别省市：天津,12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。