LBP与CS-LDP融合提升人脸识别率：2015年研究

本文探讨了"基于LBP与CS-LDP自适应特征融合的人脸识别"这一主题，发表于2015年的陕西师范大学学报(自然科学版)第43卷第4期。作者李闻、陈熙、刘增力和黄青松来自昆明理工大学信息工程与自动化学院，他们针对人脸识别技术中的特征提取问题提出了一种创新方法。 LBP（局部二值模式）是一种常用的人脸纹理特征提取算法，它通过比较像素与其周围邻域像素的差异来形成二进制码，从而捕捉图像的局部纹理信息。然而，LBP主要侧重于提取一阶微分特征，可能无法充分利用图像的更高阶细节。因此，他们引入了CS-LDP（中心对称局部微分模式），这是一种基于二阶微分的特征提取方法，能够捕捉到更多的图像结构信息。 文章的核心思想是将LBP和CS-LDP的特征融合，以增强人脸识别的鲁棒性和准确性。在识别流程中，首先利用LBP对原始图像进行特征提取，然后通过CS-LDP获取二阶微分特征。这些特征向量被融合成一个综合的模板向量，利用直方图交叉距离（一种计算相似度的统计方法）来评估模板间的匹配程度。这种方法的优势在于，结合了一阶和二阶的纹理信息，能够提取更丰富的面部纹理特征，从而提高人脸识别的性能。 实验结果显示，该算法在ORL、YaleB和FERET等人脸数据库上达到了90%以上的识别率，这证明了该方法的有效性。这种融合策略为提升人脸识别系统的精度提供了一种实用且高效的解决方案，对于实际应用中的人脸识别系统设计具有重要意义。 本文研究了如何通过自适应融合LBP和CS-LDP两种特征提取技术来改进人脸识别的性能，特别是在处理复杂和多变的面部纹理时，展示了其在提高识别准确性的潜力。这一研究成果不仅有助于理论研究，也为实际的人脸识别技术发展提供了新的思路和技术支持。