基于shearlet变换和均匀局部二值模式特征的协作表示人脸识别算法

？为了获得人脸图像中更丰富的纹理特征以提高人脸识别率,提出了一种基于shearlet变换和均匀局部二值模式(ulbp)算子提取特征(shearlet_ulbp特征)的协作表示方法——shearlet_ulbpcrc用于人脸识别。首先,人脸图像通过shearlet变换分解,得到多尺度多方向的幅值域图谱,再经过简单的平均融合,获得融合后的幅值域图谱;然后,通过ulbp算子结合分块的方法获得该shearlet变换后融合图像的直方图特征;最后,结合协作表示的方法来分类所提取到的特征。该方法可以提取到图像更丰富的边缘以及纹理信息,在orl、extendedyaleb和ar人脸数据库上进行测试,在图像无遮挡的情况下识别率都达到了99%以上,在有遮挡情况下也都达到了91%以上的识别率。实验结果表明,所提方法不仅对于光照、姿态和表情变化具备较强的鲁棒性,同时能在一定程度上处理人脸图像中存在遮挡的情形。