基于局部相位纹理表示的光照变化人脸识别算法

doi:10.3969/j.issn.1006-2475.2015.12.018

计算机与现代化

基于局部相位纹理表示的光照变化人脸识别算法

无锡太湖学院工学院，江苏无锡214064

收稿日期:2015-07-24 出版日期:2015-12-23 发布日期:2015-12-30
作者简介:王华君（1979-），男，江苏宜兴人，无锡太湖学院工学院讲师，硕士，研究方向：图像处理，模式识别；李荣（1978-），女，江苏淮安人，讲师，硕士，研究方向：图像处理，人工智能；徐燕华（1979-），女，江苏无锡人，讲师，硕士，研究方向：图像处理，智能算法；孟德建（1979-），男，江苏扬州人，讲师，博士，研究方向：图像处理，视频处理。
基金资助:
江苏省高校自然科学研究项目（14KJB520036）

A Face Recognition Algorithm Under Illumination Variation Based on #br# Local Phasetexture Representation

School of Engineering, Taihu University of Wuxi, Wuxi 214064, China

Received:2015-07-24 Online:2015-12-23 Published:2015-12-30

摘要/Abstract

摘要：

针对基于局部纹理的人脸表示不能较好解决不同光照条件下低分辨率人脸图像识别的问题，提出一种新的相位纹理表示法。该算法在局部邻域使用傅里叶变换相位的四象限掩码，减少来自更高幅

值响应的滤波器中的错误滤波响应影响，从而产生更具判别性的代码滤波响应，相比局部相位量化(Local Phase Quantization, LPQ)受噪声影响大、量化离散效应等影响，相位纹理表示法更加有效和稳

定。在CMUPIE、扩展YALEB和AR人脸数据库上的实验结果表明，本算法比局部相位量化更具描述性，识别率比LPQ和广泛使用的LBP(Local Binary Pattern, LBP)和方向梯度直方图(Histogram of

Oriented Gradients, HOG)均有较大幅度的提高，对于增强光照条件，识别率增益小于1%，对光照变化的鲁棒性优于其他3种算法。

关键词: 光照变化, 人脸识别, 相位纹理表示, 傅里叶变换, 局部相位量化, 滤波响应

Abstract:

As the algorithms based on local texture for face recognition can not well solve the problem of low resolution face recognition under varying illumination conditions,

a new phase texture representation is presented. The basic idea is to use the fourquadrant phase mask of Fourier Transform in a local neighborhood, with reducing the amplitude

response of the filter from the higher impact of the error filter response. And this can generate coding filter response with more discriminating. Comparing with local phase

quantization (LPQ) that is affected by noise impact and the impact of discrete effects, phase texture representation is more effective and stable. The experimental results on

the three databases CMUPIE, extended YALEB and AR show that the proposed algorithm is more descriptive than LPQ recognition and the widely used description like local binary

pattern (LBP), histogram of oriented gradients (HOG). For enhanced lighting conditions, the recognition grain rate of proposed algorithm is less than 1 percent, much better than

the three other algorithms in robust to illumination changes.

Key words: illumination variation, face recognition, phase texture representation, Fourier transform, local phase quantization, filter response

中图分类号:

TP391.4

王华君，李荣，徐燕华，孟德建. 基于局部相位纹理表示的光照变化人脸识别算法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2015.12.018.

WANG Huajun, LI Rong, XU Yanhua, MENG Dejian. A Face Recognition Algorithm Under Illumination Variation Based on #br# Local Phasetexture Representation[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2015.12.018.

参考文献［18］

［1］	徐明,乔宁博,文振焜,等. 基于特征识别的三维人脸动画模型自动构造［J］. 中国图象图形学报, 2012,17(12):1540-1547.
［2］	Karande K J, Talbar S N. Independent Component Analysis of Edge Information for Face Recognition［M］. Springer, 2014.
［3］	李晓莉,达飞鹏. 基于排除算法的快速三维人脸识别方法［J］. 自动化学报, 2010,36(1):153-158.
［4］	Draper B A, Baek K, Bartlett M S, et al. Recognizing faces with PCA and ICA［J］. Computer Vision and Image Understanding, 2003,91(1):115-137.
［5］	黄非非. 基于LBP的人脸识别研究［D］. 重庆:重庆大学, 2009.
［6］	袁宝华，王欢，任明武. 基于完整LBP特征的人脸识别［J］. 计算应用研究, 2012,29(4):145-149.
［7］	Ali A, Shah Hussain F H, Hussain S, et al. Face recognition with local binary patterns［J］. Bahria University Journal of Information & Communication Technologies, 2012,5
(1)	:46-50.
［8］	Guillaumin M, Verbeek J, Schmid C. Is that you? Metric learning approaches for face identification［C］// 2009 IEEE the 12th International Conference on Computer Vision.
20	09:498-505.
［9］	杨冰，王小华，杨鑫. 基于HOG金字塔人脸识别方法［J］. 浙江大学学报(工学版), 2014,34(9):121-126.
［10］	Déniz O, Bueno G, Salido J, et al. Face recognition using histograms of oriented gradients［J］. Pattern Recognition Letters, 2011,32(12):1598-1603.
［11］	Ahonen T, Rahtu E, Ojansivu V, et al. Recognition of blurred faces using local phase quantization［C］// 2008 IEEE the 19th International Conference on Pattern
	Recognition. 2008:1-4.
［12］	Ojansivu V, Heikkil J. Blur insensitive texture classification using local phase quantization［M］// Image and Signal Processing. Springer, 2008:236-243.
［13］	王宪，秦磊，孙子文,等. 基于局部Shearlet相位量化特征的人脸识别算法［J］. 光电工程, 2013,38(4):10121027.
［14］	Sim T, Baker S, Bsat M. The CMU pose, illumination, and expression database［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003,25(12):1615-1618.
	
［15］	辜小花. 基于视觉感知和边缘保持的光照不变人脸识别［J］. 电子学报, 2013,41(8):15001505.
［16］	Gui Jie, Sun Zhenan, Jia Wei, et al. Discriminant sparse neighborhood preserving embedding for face recognition［J］. Pattern Recognition, 2012,45(8):2884-2893.
［17］	University of Oulu. CVM: A General (LBP) Implementation for Matlab［EB/OL］. http://www.cse.oulu.fi/CMV/Downloads/LBPMatlab, 2015-07-24.
［18］	Rajabi R, Khodadadzadeh M, Ghassemian H. Graph regularized nonnegative matrix factorization for hyperspectral data unmixing［C］// Machine Vision and Image Processing
	(MVIP), IEEE 2011 the 7th Iranian. 2011:1-4.

[1]	王鑫, 肖韬睿. 基于生成对抗网络的人脸识别对抗攻击[J]. 计算机与现代化, 2023, 0(10): 115-120.
[2]	盛江岸, 陈淑荣. 融合双重注意力机制的戴口罩人脸识别方法[J]. 计算机与现代化, 2023, 0(02): 72-77.
[3]	甄超, 田宇, 季坤, 张征凯, 黄道友. 基于FFT与DNN的齿轮箱油温数据预测[J]. 计算机与现代化, 2022, 0(04): 17-20.
[4]	黄小爽. 基于分数阶傅里叶变换的运动脑电信号分类方法[J]. 计算机与现代化, 2020, 0(09): 54-59.
[5]	陈凯,祖莉,欧屹. 基于YOLOv3与ResNet50的摄影机器人人脸识别跟踪系统[J]. 计算机与现代化, 2020, 0(04): 30-.
[6]	李硕1，卞青山2，刘传文2，刘鸣涛1，张林涛1 . 基于DCNN的证件照人脸验证及应用研究[J]. 计算机与现代化, 2020, 0(02): 104-.
[7]	崔娟娟1，张蕾1,侯谢炼2，陈才扣2，张海燕1. 基于鉴别性低秩表示的2阶段人脸识别算法[J]. 计算机与现代化, 2019, 0(12): 55-.
[8]	李垒，任越美. 基于多任务联合判别稀疏表示的人脸识别[J]. 计算机与现代化, 2019, 0(10): 72-.
[9]	黄武飞1，曾吉昌1，黄锦权1，李思寒1，陈育均1，陈钊1，郑志硕1,2. 基于实验室安保服务型机器人的人脸识别[J]. 计算机与现代化, 2019, 0(07): 61-.
[10]	郑健,王志明,张宁. 一种基于深度学习的改进人脸识别算法[J]. 计算机与现代化, 2018, 0(12): 90-.
[11]	潘峥嵘，王震. 一种结合Gabor小波与深度学习的人脸识别方法[J]. 计算机与现代化, 2018, 0(11): 46-.
[12]	向红丽1,范琦2,李云3,王云飞2. FFT计算菲涅尔衍射相位的跳变与矫正研究[J]. 计算机与现代化, 2018, 0(08): 35-.
[13]	季朋1,2，李晖1,2，陈梅1,2，戴震宇1,2. DoFFT：一种基于分布式数据库的快速傅里叶变换方法[J]. 计算机与现代化, 2018, 0(06): 19-.
[14]	郑秋梅，谢换丽，王风华，苏政，刘真. 一种基于局部三值模式的深度学习人脸识别算法[J]. 计算机与现代化, 2018, 0(02): 112-.
[15]	陈湘，王玲. 权值融合原始和虚拟样本的人脸识别方法[J]. 计算机与现代化, 2017, 0(3): 91-.

基于局部相位纹理表示的光照变化人脸识别算法

A Face Recognition Algorithm Under Illumination Variation Based on #br# Local Phasetexture Representation

可视化

摘要/Abstract

引用本文

使用本文

参考文献［18］

相关文章 15

编辑推荐

Metrics

本文评价

基于局部相位纹理表示的光照变化人脸识别算法

A Face Recognition Algorithm Under Illumination Variation Based on #br# Local Phasetexture Representation

可视化

摘要/Abstract

引用本文

使用本文

参考文献 ［18］

相关文章 15

编辑推荐

Metrics

本文评价

参考文献［18］