留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于多尺度局部二元模式共生直方图的红外人脸识别

谢志华,  刘国栋

downloadPDF
文章导航 > 红外与激光工程  > 2015 >  44(1): 391-397
谢志华, 刘国栋. 基于多尺度局部二元模式共生直方图的红外人脸识别[J]. 红外与激光工程, 2015, 44(1): 391-397.
引用本文: 谢志华, 刘国栋. 基于多尺度局部二元模式共生直方图的红外人脸识别[J]. 红外与激光工程, 2015, 44(1): 391-397.
shu
Xie Zhihua, Liu Guodong. Infrared face recognition based on co-occurrence histogram of multi-scale local binary patterns[J]. Infrared and Laser Engineering, 2015, 44(1): 391-397.
Citation: Xie Zhihua, Liu Guodong. Infrared face recognition based on co-occurrence histogram of multi-scale local binary patterns[J]. Infrared and Laser Engineering, 2015, 44(1): 391-397.
shu

基于多尺度局部二元模式共生直方图的红外人脸识别

  • 1.

    江西科技师范大学光电子与通信重点实验室,江西南昌330013

基金项目: 

国家自然科学基金(61201456);江西省自然科学基金(20142BAB207029);江西省教育厅科技项目(GJJ14581);江西科技师范大学自然科学项目(2013QNBJRC005,2013ZDPYJD04)

详细信息
    作者简介:

    谢志华(1977-),男,副教授,主要从事红外成像与模式识别方面的研究。Email:xie_zhihua68@aliyun.com

  • 中图分类号: TP391

Infrared face recognition based on co-occurrence histogram of multi-scale local binary patterns

  • 1.

    Key Lab of Optic-Electronic and Communication,Jiangxi Sciences and Technology Normal University,Nanchang 330013,China

  • 摘要: 不同尺度的局部二元模式(LBP)提取了红外人脸图中不同的微结构局部特征。为了挖掘不同尺度中局部特征的相关性,提出了一种基于多尺度LBP 共生直方图的红外人脸识别方法。传统的多尺度LBP 特征提取方法,丢失了对多尺度特征间相关性信息的提取。为了充分考虑微结构间的相关统计信息,提出了多尺度LBP 共生直方图表示方法,以提取包含在红外人脸图像中的有用鉴别特征。多尺度LBP 共生直方图特征表示方法不仅可以消除环境温度对红外人脸图像特征提取的影响,而且还可以增强对局部特征表示的鉴别性。实验结果表明:多尺度局部二元模式共生矩阵可以增强对红外人脸鉴别特征提取的有效性,提出的红外人脸方法的性能优于基于传统多尺度LBP 和单尺度LBP方法,在相同环境情况下和在环境温度变化情况下可以达到99.2%和91.2%的识别率。
    Abstract: Different scales local binary patterns (LBP) extract different micro-structures, which contain important discriminative information for infrared face recognition. To capture the correlation between different scales, a new infrared face recognition method based on multi-scale LBP co-occurrence histogram was proposed in this paper. In traditional multi-scale LBP-based features, correlation in different micro-structures was ignored. To consider such correlation in infrared faces, co-occurrence histogram of multi-scale LBP codes was used to represent the infrared face. Multi-scale LBP co-occurrence histogram not only preserved great invariance to environmental temperature, but also greatly enhanceed the discriminative power of the descriptor as co-occurrence matrix of LBP code well captureed the correlation between different scale micro-structures around the same central point. The experimental results show the recognition rates of infrared face recognition method based on multi-scale LBP co-occurrence histogram can reaches 99.2% under same condition and 91.2% under variable ambient temperatures, outperform that of the classic methods based on LBP and multi-scale LBP histogram.
  • [1] Wu S Q, Li W S, Xie S L. Skin heat transfer model of facial thermograms and its application in face recognition[J]. Pattern Recognition, 2008, 41(8): 2718-2729.
    [2]
    [3] Li J, Yu D W, Kuang G. The research on face recognition approaches of infrared imagery [J]. Journal of National University of Defense Technology, 2006, 28(2): 73-76.
    [4]
    [5] Wu S Q, Fang Z J, Xie Z H, et al. Recent advances in face recognition[M]. Croatia: IN-TECH press, 2008, 184-206.
    [6]
    [7]
    [8] Hermosilla G. A comparative study of thermal face recognition methods in unconstrained environments [J]. Pattern Recognition, 2012, 45(7): 2445-2459.
    [9] Li Stan Z, Chu Rufeng, Cai Liaosheng, et al. Illumination invariant face recognition using near-infrared images [J]. IEEE Trans on Pattern Analysis and Machine Intelligence, 2007, 29(12): 627-639.
    [10]
    [11] Hua S G, Zhou Y, Liu T. PCA+LDA Based thermal infrared imaging face recognition [J]. Pattern Recognition and Artificial Intelligence, 2008, 21(2): 160-164.
    [12]
    [13] Ahonen T, Hadid A, Pietikinen M. Face description with local binary patterns: application to face recognition [J]. IEEE Trans Pattern Analysis and Machine Intelligence, 2006, 18(12): 2037-2041.
    [14]
    [15]
    [16] Ojala T, Pietikinen M. Multi-resolution, gray-scale and rotation invariant texture classification with local binary patterns [J]. IEEE Trans on Pattern Analysis and Machine Intelligence, 2002, 24(7): 971-987.
    [17]
    [18] Zhang Baochang, Shan Shiguang, Gao Wen. Histogram of gabor phase patterns (HGPP): a novel object representation approach for face recognition [J]. IEEE Trans on Image Processing, 2007, 16(1): 57-68.
    [19]
    [20] Xie Zhihua, Liu Guodong. Fast infrared face recognition based on local binary pattern [J]. Infrared and Laser Engineering, 2013, 42(12): 3190-3195.
    [21] Liao Shu, Chung Albert C S. Face recognition with salient local gradient orientation binary pattern [C]//In Proceedings of 2009 International Conference on Image Processing (ICIP2009), 2009: 3317-3320.
    [22]
    [23] Taskeed Jabid, Md Hasanul Kabir, Oksam Chae. Gender classification using local directional pattern(LDP) [C]// 2010 International Conference on Pattern Recognition (ICPR2010), 2010: 2162-2164.
    [24]
    [25] Timo Ojala, Matti Pietikainen, Topi Maenpaa. Multiresolution gray-scale and rotation invariant texture classification with local binary patterns [J]. IEEE Trans Pattern Analysis and Machine Intelligence, 2002, 7(7): 971-987.
    [26]
    [27] Zheng Yongbin, Shen Chunhua, Hartley Richard. Pyramid center-symmetric local binary/trinary patterns for effective pedestrian detection [C]//In Proceedings of 2010 Asian Conference on Computer Vision (ACCV 2010), 2010: 281-292.
    [28]
    [29]
    [30] Tan Xiaoyang, Triggs B. Enhanced local texture feature sets for face recognition under difficult lighting conditions [J]. IEEE Transactions on Image Processing, 2010, 19 (6): 1635-1650.
    [31] Fu Xiaofeng, Wei Wei. Facial expression recognition based on advance local binary pattern histogram projection [J]. Pattern Recognition and Artificial Intelligence, 2009, 22(1): 123-128.
    [32]
    [33]
    [34] Liao S, Law M, Chung C S. Dominant local binary patterns for texture [J]. IEEE Transactions on Image Processing, 2009, 18(5): 1107-1118.
    [35] Song C, Sun Y, Yin B. Adaptively doubly weighted sub-pattern LGBP for eyeglasses-face recognition [J]. Journal of Computational Information Systems, 2010, 6(4): 1135-1142.
    [36]
    [37] Heikkila M, Schmid C. Description of interest regions with local binary patterns [J]. Pattern Recogntion, 2009, 42 (3): 425-436.
    [38]
    [39] Watanabe T, Ito S, Yokoi K. Co-occurrence histograms of oriented gradients for pedestrian detection [C]//Proc the 3rd IEEE Pacific-Rim Symposium on Image and Video Technology, 2009: 37-47.
    [40]
    [41]
    [42] Ryusuke Nosaka, Yasuhiro Ohkawa, Kazuhiro Fukui. Feature extraction based on Co-occurrence of adjacent local binary patterns [C]//PSIVT, 2011, LNCS 7088: 82-91.
    [43] Qi Xianbiao, Lu Yi, Chen Shifeng. Spatial co-occurrence of local intensity order for face recognition [C]//2013 IEEE International Conference on Multimedia and Expo Workshops (ICME),2013:1-6.
  • [1] 王伟超, 甘世奇, 刘爽, 张浩元, 武佩剑.  拍星残差数据相关性分析的大气折光差修正 . 红外与激光工程, 2023, 52(4): 20220732-1-20220732-8. doi: 10.3788/IRLA20220732
    [2] 王丽英, 有泽, 吴际, CAMARA Mahamadou.  联合NDRI特征和空间相关性的机载MS-LiDAR数据分类 . 红外与激光工程, 2023, 52(2): 20220376-1-20220376-11. doi: 10.3788/IRLA20220376
    [3] 吴双, 李超, 高传卫, 佟岐.  时序平滑多尺度叠加动态红外云场景仿真 . 红外与激光工程, 2022, 51(8): 20220656-1-20220656-5. doi: 10.3788/IRLA20220656
    [4] 王国刚, 孙召进, 刘云鹏.  J-MSF: 一种新的多通道多尺度红外弱小目标检测算法 . 红外与激光工程, 2022, 51(5): 20210459-1-20210459-10. doi: 10.3788/IRLA20210459
    [5] 王宇恒, 吉洪湖, 程稳, 李基权.  收扩喷管设计对双S形二元排气系统气动与红外特征的影响 . 红外与激光工程, 2021, 50(11): 20210084-1-20210084-10. doi: 10.3788/IRLA20210084
    [6] 常兵涛, 陈传法, 郭娇娇, 武慧明.  机载LiDAR点云分块插值滤波 . 红外与激光工程, 2021, 50(9): 20200369-1-20200369-9. doi: 10.3788/IRLA20200369
    [7] 冯曦, 李富全, 林傲祥, 王芳, 柴向旭, 朱启华, 王正平, 孙喜博, 孙洵.  锗硅玻璃全光极化的偏振和强度相关性研究 . 红外与激光工程, 2019, 48(8): 817002-0817002(7). doi: 10.3788/IRLA201948.0817002
    [8] 丁君珂, 陈浩, 蒋建光, 孟浩然, 刘欣悦, 郝寅雷.  集成光学移相器波长相关性的比较研究 . 红外与激光工程, 2019, 48(5): 520001-0520001(5). doi: 10.3788/IRLA201948.0520001
    [9] 叶华, 谭冠政, 胡长坤, 戴正科.  曲率滤波-经验模式分解的运动人体目标检测预处理 . 红外与激光工程, 2018, 47(2): 226001-0226001(6). doi: 10.3788/IRLA201847.0226001
    [10] 王丁, 吉洪湖, 卢浩浩.  波瓣混合器对双S形二元排气系统红外特性的影响 . 红外与激光工程, 2017, 46(2): 204004-0204004(6). doi: 10.3788/IRLA201746.0204004
    [11] 李贺, 邓学文, 朱奎宝, 邓年茂.  光纤陀螺抑制过调制串扰的多态方波调制方法 . 红外与激光工程, 2017, 46(8): 822004-0822004(7). doi: 10.3788/IRLA201746.0822004
    [12] 王家伟, 陈敏孙, 江厚满.  Nomex蜂窝夹层板弯曲性能温度相关性的实验研究 . 红外与激光工程, 2016, 45(1): 120004-0120004(5). doi: 10.3788/IRLA201645.0120004
    [13] 巩稼民, 郭涛, 曹懿, 柳华勃, 王贝贝.  红外靶标的图像灰度与温度相关性剖析 . 红外与激光工程, 2016, 45(3): 304006-0304006(8). doi: 10.3788/IRLA201645.0304006
    [14] 陈庚, 谭晓茗, 单勇, 张靖周.  二元弯曲混合管出口结构参数对红外抑制器气动和辐射特性的影响 . 红外与激光工程, 2015, 44(6): 1704-1711.
    [15] 齐永锋, 火元莲.  基于局部三值微分模式的人脸识别方法 . 红外与激光工程, 2014, 43(2): 640-646.
    [16] 吕俊伟, 郭宁, 潘爽.  时滞和相关性观测条件下的红外目标状态估计方法 . 红外与激光工程, 2014, 43(10): 3238-3243.
    [17] 郭惠楠, 曹剑中, 周祚峰, 唐利孬, 王华, 马楠.  基于色彩相关性的彩色图像清晰度评价算法 . 红外与激光工程, 2013, 42(11): 3132-3136.
    [18] 赵晓, 张伟, 侯晴宇, 巩晋南.  多尺度匹配的红外变分辨率弱小目标检测 . 红外与激光工程, 2013, 42(11): 2913-2918.
    [19] 宋春华, 高仕博, 程咏梅.  自主空中加油视觉导航系统中的锥套检测算法 . 红外与激光工程, 2013, 42(4): 1089-1094.
    [20] 谢志华, 刘国栋.  基于局部二元模式的快速红外人脸识别系统 . 红外与激光工程, 2013, 42(12): 3190-3195.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  326
  • HTML全文浏览量:  66
  • PDF下载量:  185
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-05-10
  • 修回日期:  2014-06-12
  • 刊出日期:  2015-01-25

基于多尺度局部二元模式共生直方图的红外人脸识别

  • 1. 江西科技师范大学光电子与通信重点实验室,江西南昌330013
    • 作者简介:

    谢志华(1977-),男,副教授,主要从事红外成像与模式识别方面的研究。Email:xie_zhihua68@aliyun.com

  • 收稿日期: 2014-05-10
  • 修回日期: 2014-06-12
  • 刊出日期: 2015-01-25
基金项目:

国家自然科学基金(61201456);江西省自然科学基金(20142BAB207029);江西省教育厅科技项目(GJJ14581);江西科技师范大学自然科学项目(2013QNBJRC005,2013ZDPYJD04)

  • 中图分类号: TP391

摘要: 不同尺度的局部二元模式(LBP)提取了红外人脸图中不同的微结构局部特征。为了挖掘不同尺度中局部特征的相关性,提出了一种基于多尺度LBP 共生直方图的红外人脸识别方法。传统的多尺度LBP 特征提取方法,丢失了对多尺度特征间相关性信息的提取。为了充分考虑微结构间的相关统计信息,提出了多尺度LBP 共生直方图表示方法,以提取包含在红外人脸图像中的有用鉴别特征。多尺度LBP 共生直方图特征表示方法不仅可以消除环境温度对红外人脸图像特征提取的影响,而且还可以增强对局部特征表示的鉴别性。实验结果表明:多尺度局部二元模式共生矩阵可以增强对红外人脸鉴别特征提取的有效性,提出的红外人脸方法的性能优于基于传统多尺度LBP 和单尺度LBP方法,在相同环境情况下和在环境温度变化情况下可以达到99.2%和91.2%的识别率。

English Abstract

    全文HTML

参考文献 (43)

目录

    /

    返回文章
    返回

    版权所有 © 2019 《红外与激光工程》编辑部｜ 地址: 天津市空港经济区中环西路58号｜ 邮政编码: 300308

    津ICP备19007885号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计