基于LBP和ELM的人脸识别算法研究与实现

• 作者: 王红星 胡永阳 邓超
• 来源期刊: 河南理工大学学报（自然科学版）
• 关键词: 加权共轭核极限学习机 局部二值模式 主成分分析 特征提取 人脸识别
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 计算机·人工智能·大数据
• 页码范围: 139-145
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文

摘要

针对传统的局部二值模式(LBP)在人脸图像特征提取时容易受到灰度和噪声影响的问题,在传统LBP基础上提出一种改进的LBP算法.该算法计算邻域各像素与中心像素差值的平方和C,若C在限定范围内,选取中心像素值为阈值计算LBP值,充分考虑中心像素值与邻域像素值的作用,更准确描述局部图像特征;反之,若C不在限定范围内,则选择邻域像素和中心像素的中值作为阈值进行计算,降低噪声点的影响.利用主成分分析法(PCA)降低LBP提取的人脸图像特征维数.为了解决普通极限学习机(ELM)的不足,引入加权共轭核极限学习机(WCGKELM)进行人脸图像特征的分类.经实验验证,该算法能有效提高人脸识别率.