局部相位量化在模糊图像识别中的研究进展刘靖丹,逯洋,王淳(吉林师范大学数学与计算机学院,吉林四平136000)摘要:现代图像处理技术的不断发展,为人们提供了大量丰富的图像信息。图像处理手段很多,如图像去噪、图像平滑、图像去模糊、图像填充、图像分割等。处理模糊图像问题最具代表性的算法是局部相位量化(LocalPhaseQuantization,LPQ)和基于局部二进制模式(LocalBinaryPattern,LBP)的算子。与LBP特征算子相比,LPQ特征算子对图像模糊不敏感,其特征提取更加稳定。从介绍LPQ算子开始,首先对LPQ算子的发展现状和应用领域进行分类和总结;其次详细阐述和评论每种实验方法;最后思考和讨论LPQ算子的发展方向。关键词:局部相位量化;模糊图像识别;人脸识别中图分类号:TP391.41文献标识码:A文章编号:20959699(2023)03000606图像处理技术是利用计算机处理图像来进行科学研究的一门新兴科学。图像处理技术[1]的研究内容十分广泛,包括图像处理的基础,图像处理的研究方法等。图像处理技术的主要内容之一是图像识别。图像识别在图像采集过程中容易受到干扰(如尺度[2]、光照[3]或噪声[4]等),使得这项工作具有极大的挑战性,在其领域中一个较少被研究的性质是模糊[5-6]。环境中运动和大气湍流、低质量的图像系统很可能会产生图像的模糊不清。模糊图像会使图像效果恶化,对图像数据的收集造成障碍。所以,模糊图像特征辨识的方法有着重大研究价值,已成为有关学者探讨的焦点问题而受到了普遍重视。对此,2008年VilleOjansivu[7]提出了一种用于纹理描述的模糊不敏感纹理分类方法,称为局部相位量化(LPQ)。该方法已经被证明比LBP算子[8-10]对模糊的容忍度更高。之后TimoAhonen[11]将此方法引用到模糊人脸识别领域,大大提高了人脸识别效率,同时提高了图像处理的效率。后来LPQ算法在人脸识别领域中被不断改进,在局部特征提取方面取得了很好的效果,获得了很大的成功。LPQ算法也被应用于其他领域,如手势识别、面部识别和掌纹识别等。因此,有必要对该方法的相关研究成果进行全面的综述和讨论。本文系统综述了局部相位量化方法在处理模糊图像上的研究进展,进一步深入研究局部相位量化并以求为拓展其应用领域奠定基础。本文从介绍LPQ算子的起源开始,阐述了不同实验研究的动机、原理、优缺点,揭示了各种方法之间的差异和联系,最后思考了该方法的发展方向。1模糊不变的局部相位量化方法模糊不变的局部相位量化方法的优势有以下五点:(1)在处理图像时不需要加入特征点;(2)不需要对图...
