局部二值模式算法及其人臉識別應用

李聞　劉陶唐

摘 要：針對目前人臉識別的局部二值模式 （Local binary pattern， LBP） ，本文根據算法介紹了相關的理論基礎及其表現出來的應用價值。首先 ，本文簡單說明了局部二值模式在圖像處理和人臉識別方向上的應用；其次，分析說明了LBP方法的閾值操作方法和算法的基本原理； 最后，簡要闡述了基于LBP方法改進算法CS-LBP并說明了有關于算法的優勢、不足及未來發展趨勢。

關鍵詞：局部二值模式；LBP；人臉識別

文章編號：1004-7026（2017）18-0125-01 中國圖書分類號：TP391.41 文獻標志碼：A

1 引言

紋理特征是圖像處理中研究的重要技術指標之一。經過研究人員的進一步研究和發現，相關成果層出不窮。其中Ojala[1]在之前研究成果的基礎上，提出了局部二值模式（LBP）[2]算法，進一步弱化了光照對圖像識別的影響，更加準確的提取了圖像的紋理特征，因此Ojala提出的LBP算法在紋理特征提取和人臉識別方向有廣泛的應用。經過研究者的進一步分析發現，二階微分可以提取更為豐富的紋理特征，同時對光線不敏感等特征，本文也闡述了有關于中心對稱二值模式（CS-LBP）[3]和其在圖像處理方面的應用。

2 LBP和CS-LBP簡介

2.1 LBP算法

Local Binary Pattern（LBP）稱為局部二值模式，這是一種用來描述圖像的局部特征的算子[4]，可直接對圖像進行紋理特征提取。

LBP算法將算子定義為在3×3的區域內，以窗口中心像素C為閾值，也就是中心像素點，將相鄰的8個像素的灰度值與中心像素點進行比較，若中心像素周圍的像素值fp大于中心的像素值fc，則該像素點被編碼為1，否則該像素點編碼為0。

反應紋理特征的區域如果中心像素為50，八鄰域像素分別為60，70，80，90，47，48，49，49，那么其二進制值為11110000，轉換成十進制的二進制LBP為240。

通過對LBP算法的分析可知，該算法只考慮到了中心像素點和其八鄰域像素的大小關系，這種方提取的圖像特征是不完整的。

2.2 CS-LBP算法

根據上述描述可知，LBP算法只針對于中心像素和八鄰域內的像素比較大小，并沒有考慮到圖像像素點的中心對稱性。所以這種算法，只描述了八鄰域內像素與中心像素的關系，忽略了八鄰域像素與像素間的關系。因此，研究人員提出了CS-LBP算法

傳統的LBP算法，沒有涉及到圖像像素的中心對稱性，它只是將鄰域像素值與中心像素值做比較，而忽略了鄰域像素值之間存在的關系，因此研究者們提出了CS-LBP算法來補充這方面的不足，CS-LBP算法縮短了計算時間，大大提高了識別速率。

結束語 通過多年的研究表明，局部二值模式這種算法的計算原理相對簡單，同時復雜度也不高，針對于光照變化有很好的魯棒性。綜上所示，局部二值模式在圖像處理人臉識別領域有了廣泛的應用，比如人臉匹配、指紋匹配、車牌識別、生物醫學、神經網絡等多個領域。

參考文獻：

[1]T.Ojala，M Pietikinen，and D.Harwood.A comparative study of texture measures with classification based on featured istribution[J].Pattern Recognition，1996，29（1）：51-59.

[2]譚文明，李斌，張文聰.基于中心對稱局部二值模式的背景建模方法研究[N].中國科學技術大學學報，2010，40（11）.

[3]李聞，陳熙，劉增力，黃青松.基于LBP與CS-LDP自適應特征融合的人臉識別[J].陜西師范大學學報（自然科學版），2015，43（04）：48-53.[2017-08-27].DOI：10.15983/j.cnki.jsnu.2015.04.245

[4]劉毅，黃兵，孫懷江，等.結合CS-LBP紋理特征的快速圖割算法[J].計算機科學，2013，40（5）：300-302.