基于光照归一化分块完备LBP特征的人脸识别

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (11): 145-149.

基于光照归一化分块完备LBP特征的人脸识别

周巍1，程勇2，曹雪虹1，2

1.南京邮电大学通信与信息工程学院，南京 210003
2.南京工程学院通信工程学院，南京 211167

出版日期:2015-06-01 发布日期:2015-06-12

Face recognition based on illumination normalization and block-based completed local binary pattern

ZHOU Wei1, CHENG Yong2, CAO Xuehong1，2

1.College of Communication and Information Engineering, Nanjing University of Posts and Telecommunications, Nanjing 210003, China
2.School of Communication Engineering, Nanjing Institute of Technology, Nanjing 211167, China

Online:2015-06-01 Published:2015-06-12

摘要/Abstract

摘要： 针对复杂光照条件下的人脸识别，提出了一种基于光照归一化分块完备局部二值模式（B-CLBP）特征的人脸识别算法。该方法对人脸图像进行光照归一化预处理，对处理后的人脸图像进行B-CLBP特征提取，融合成B-CLBP直方图，根据最近邻准则进行分类识别。在Extended Yale B人脸库上的实验结果表明，所提算法可以有效提高复杂光照条件下的人脸识别率。

关键词: 人脸识别, 光照归一化, 分块完备局部二值模式

Abstract: Aiming at the problem of face recognition under complex illumination, an effective face recognition method based on illumination normalization and block-based completed local binary pattern is proposed. The method performs illumination normalization on face images, then extracts the B-CLBP features from the processed face images in order to form the B-CLBP histogram, applies the nearest neighbor principle for face recognition. The experimental results on Extended Yale B face databases demonstrate that the proposed method can achieve significant recognition rate under complex illumination conditions.

Key words: face recognition, illumination normalization, Block-based Completed Local Binary Pattern（B-CLBP）

周巍1，程勇2，曹雪虹1，2. 基于光照归一化分块完备LBP特征的人脸识别[J]. 计算机工程与应用, 2015, 51(11): 145-149.

ZHOU Wei1, CHENG Yong2, CAO Xuehong1，2. Face recognition based on illumination normalization and block-based completed local binary pattern[J]. Computer Engineering and Applications, 2015, 51(11): 145-149.

[1]	乔慧，周水生. 非线性角度2DPCA及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(8): 112-118.
[2]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[3]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[4]	石正宇，陈仁文，黄斌. 基于自归一化神经网络的低分辨率人脸识别[J]. 计算机工程与应用, 2021, 57(3): 137-143.
[5]	李俊瑶，黎智辉，谢兰迟，侯欣雨，叶东. 基于老化模型的跨年龄人脸识别研究进展[J]. 计算机工程与应用, 2021, 57(24): 27-38.
[6]	刘金金，李清宝，李晓楠. 基于对抗学习和知识蒸馏的神经网络压缩算法[J]. 计算机工程与应用, 2021, 57(21): 180-187.
[7]	徐遐龄，刘涛，田国辉，于文娟，肖大军，梁陕鹏. 有遮挡环境下的人脸识别方法综述[J]. 计算机工程与应用, 2021, 57(17): 46-60.
[8]	徐然然，吴小俊，尹贺峰. 鉴别性非负表示分类及其在人脸识别中的应用[J]. 计算机工程与应用, 2021, 57(13): 147-153.
[9]	王钰，刘凡，王菲. 基于自编码器和稀疏表示的单样本人脸识别[J]. 计算机工程与应用, 2021, 57(1): 168-172.
[10]	董艳花，张树美，赵俊莉. 有遮挡人脸识别方法综述[J]. 计算机工程与应用, 2020, 56(9): 1-12.
[11]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[12]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[13]	张飞翔，余学儒，何卫锋，李琛. 结合改进的损失函数与多重范数的人脸识别[J]. 计算机工程与应用, 2020, 56(24): 144-150.
[14]	陈哲，吴小俊. 基于结构化低秩恢复的鲁棒人脸识别算法[J]. 计算机工程与应用, 2019, 55(6): 126-132.
[15]	白创，陈翔. 新型LeNet-FC卷积神经网络模型算法的研究[J]. 计算机工程与应用, 2019, 55(5): 105-111.