8、近红外面部图像中LBP算子特性研究与智能电网故障诊断方法探索

近红外面部图像中LBP算子特性研究与智能电网故障诊断方法探索

近红外面部图像中LBP算子特性研究

在人脸识别领域，为了更高效地使用局部二值模式（LBP）算子进行近红外（NIR）人脸识别，有必要深入研究其在近红外面部图像中的基本特性。

1. LBP算子介绍

LBP算子的计算原理是：首先选择一个像素作为中心，将该中心点的灰度值作为阈值。然后将该像素与其邻域像素的灰度值进行比较，如果邻域像素灰度值大于阈值，则将该点的值设为1，否则设为0，这样可以得到一系列二进制码。通过以下公式可以计算得到LBP值：
[LBPP,R(xc,yc)=\sum_{p = 0}^{7}s(gp - gc)2^p]
其中，
[s(x)=\begin{cases}1, & x\geq0\0, & x < 0\end{cases}]
这里，(xc)和(yc)是像素的坐标，(gc)是中心点的灰度值，(gp)是3×3邻域中每个像素的灰度值。LBP8,1的值范围从0到255，总共包含256种二进制模式。根据模式中的空间转换（位0/1变化）数量，可以将它们分为五种类型，分别为U0、U2、U4、U6、U8。

2. 近红外面部图像采集相机与面部图像库

• 近红外面部图像采集相机设计 ：为了建立近红外面部图像库，需要设计满足特定要求的相机。要求包括在相机周围放置LED以发射正向光、过滤掉可见光、仅在850nm波段成像以及尽量减少环境光中850nm波段的影响。最终设计的相机由36个850nm的LED、可见光滤波器和相机等组成，能够屏蔽可见光，仅捕捉850±5nm波段的近红外图