作者：胡钟月人脸识别特征提取加权估计纹理分析局部模式相似性度量距离转换
摘要：传统的纹理分析方法仅以每个脸部区域的相对贡献来标记全局相似度，针对这种以局部表示全局而导致不能很好地进行特征提取的问题，提出了基于局部模式的加权估计纹理分析（Weighting Estimation for Texture Analysis，WETA）方法。首先使用局部二值模式（Local Binary Pattern，LBP）或者局部相位量化（LocalPhaseQuantization，LPQ）对图像进行纹理编码，并将其划分成各个大小相等且不重叠的局部小块；然后从相似空间中提取出最具识别力的坐标轴，利用编码与数据库的不同组合估算出权值；最后，通过权值优化给出了最佳解决方案，并采用相似性度：匿距离转换完成人脸的识别。在FERET和ORL两大通用人脸数据库上的实验验证了所提方法的有效性，实验结果表明，与先进的纹理方法相比，所提方法取得了更好的识别性能。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
