4。3 实验… 16

5 总结与展望… 20

5。1 全文工作总结 20

5。2 工作展望… 20

结论 21

参考文献 22

1 绪论

1。1 课题概述

图像特征表示是计算机视觉和模式识别领域的基础问题。在图像分类、图像检索、图像 匹配等任务中有着广泛的应用。图像特征表示可以被粗略的分为两大类：（1）全局的特征表 示方法，包括基于子空间的特征表示方法和离散余弦变换等。（2）局部的特征表示法，包括 局部频域变换、局部纹理表示等方法。本课题重点关注的也是基于局部的特征表示方法。在 此类方法中，方向梯度直方图（HOG）广泛用于行人检测[2]和图像分类等领域最早由 Navneet DAlal 提出[1]。

尺度不变特征变换（SIFT）于 1999 年由 David 提出。SIFT 对旋转、亮度、尺度缩放有良 好的保持不变性[5]。特征检测在尺度空间进行，首先 SIFT 在尺度空间中计算局部极值点，再 删除低对比度点。然后计算每个极值点的方向，对极值点的中心区域进行直方图统计来描述 特征；最后寻找匹配特征，对图像进行匹配[6]。

局部二值模式（LBP）由 Ojala 提出[7]，是一种灰度范围内的纹理度量，定义在以中心像 素为阈值与周围像素进行对比的 3×3 的窗口中，高于中心像素的记为 1，低于中心像素的记 为 0。这样就产生了 3×3 大小的邻域内的一个 8 位无符号数，然后根据像素不同位置进行权 值求和得到 LBP[8]编码值。

Gabor 小波变换理论由 Dennis Gabor 提出。Gabor 小波变换可以有效的提取信号不同尺 度和方向上的局部信息[9]。Gabor 处理图像时可以描述不同方向的灰度级，对获取的信息进行 过滤，留下特征较强的信息，增强图像的鲁棒性，减少人脸平移、外界因素干扰、尺度旋转 的影响[10]。

DGI 是本文重点研究的特征提取方法，由 Qian 等人提出[11]。DGI 挖掘图像的深层梯度信 息，可以获得图像更加完善稳健像特征。

1。2 应用背景

图像特征提取可以应用到人脸识别上去。2015 年 7 月，微软发布一款有趣的应用“微软 我们”。将两张人脸图像上传程序，程序即给出两个人长相的相似度，这款应用与之前发布的 “How-Old。net”类似，它们都很奇妙的将人脸识别与现代人类社交叠加在一起，精确率虽然没 有达到一定高度，但是科技和社交网络的产物可以说明，人脸识别发展到了一定的阶段。

相比于人脸识别，用来身份鉴别的生物识别技术类似于指纹识别、掌纹识别、虹膜识别 技术发展都已经相当纯熟，部分技术已经普遍的应用到社会生活中去，如指纹门禁系统、虹

膜考勤系统等，并且准确率已经达到一定的高度。各项生物技术应用在不同的领域，也有各 自的优劣势。指纹技术应用最属广泛，识别机器简单、高效、便于推广，但是破解方式也很 多，虽然对于个人来说指纹特征足够可靠，但是指纹可以被拷贝，而且一个人可以在很多地 方留下自己的指纹；虹膜识别一直被认为是最可靠的身份鉴别技术，区分率极高、破解技术 难、不需要物理接触等都是虹膜识别技术的优点，但设备造价高、大范围推广难、设备尺寸 等问题是红膜识别的缺点；识别率低、受环境影响大、双胞胎等问题是人脸识别的缺点，相 比上述的指纹和虹膜，人脸识别是一种非主动配合的生物识别方式。指纹、虹膜均需要被检 测者主动提供检测。人脸识别技术，除在主观的应用程序中，其他更多的情况下是客观的提 供检测，如监控摄像头识别，而这点指纹和虹膜识别技术则不易实现。综上所述，虽然在一 定情况下人脸识别已经达到相当高的水平，发展方向应是提高自然环境中的识别度和精确度。