人脸图像存在不同的可辨别特征,可提取不同特征加以区分。对于单个个体,辨别性特征应该保持稳定性,但对于不同个体来说,这些特征存在一定差异性,因此辨别特征必须能够区分不同的个体。另一方面,通过减少数据的维度以便以后分类并识别。特征提取是人脸图像检索技术中极为重要的一步,所提取的特征对后面将要进行的检索效果有直接影响。在本文中基于二进小波变换将人脸图像特征作为主要内容进行了提取,深入地探讨了三种特征融合的人脸图像特征提取方法。该文章应用了三种不同的特征提取方法,相互融合对人脸图像的辨别性特征进行提取与检索。(1)对于颜色的特征,选取并量化符合人眼视觉特征的HSV模型,以边缘点集合的中心作为圆心,将人脸图像空间划分为几个同心圆环。通过计算各个环形区域的直方图,最终可获取环形直方图,与传统直方图相比,这种形式的直方图优势在于空间信息这个缺点不存在。(2)对于形状的特征,以二进小波变换方法取出人脸的轮廓为基础,并利用二进小波变换的平移不变性优势,实现了多特征融合的人脸图像特征提取与检索。本文算法中取出的图像边缘会直接影响检索性能,而二进小波变换具有平移不变性、方向性,可以有效地避免噪声。(3)对于纹理的特征,应用LBP算子(Local Binary Pattern,线性反投影算法)处理,以图像左上角为起点,顺序为从上至下,从左至右,按照设定步长在滑动领域进行滑动,并对每次滑动所得到的窗口图像进行LBP运算,滑动完成之后可得到该图像的纹理特征。体现出了LBP算子对纹理特征提取的优势。最后利用上述三种不同的直方图来表达图像的特征信息,并使用两种不同的标准人脸数据库在MATLAB R2010a环境下执行实验操作。结果表明,所取出的人脸特征向量包含了多种内容信息,从而彼此互补地描述了图像主要内容。该算法对图像中存在的光照变化,姿势变化,表情,位置,时间,遮挡物等好几个因素具有较强的鲁棒性。