LDOP：用于鲁棒人脸检索的局部方向序模式

局部描述子因其增强的判别能力而受到广泛关注。已有证明表明，考虑多尺度局部邻域可以提升描述子的性能，尽管这以增加维度为代价。本文提出了一种利用多尺度邻域构建局部描述子的新方法，通过在特定方向上寻找不同尺度强度值之间的局部方向序来构建。局部方向序是特定方向上的多半径关系因子。通过寻找中心像素与局部方向序索引之间的关系，计算特定像素的局部方向序模式（LDOP）。需要将中心值转换到相邻阶的范围内。最后，在整个图像上计算LDOP直方图以构建描述子。与现有描述子不同，本文描述子的维度不依赖于计算序所涉及的邻居数量，而仅取决于方向数量。本文在图像检索框架上对该描述子进行了评估，并在PaSC、LFW、PubFig、FERET、AR、AT&T和ExtendedYale等具有挑战性的人脸数据库上与现有描述子进行了比较。实验结果证实了LDOP描述子的优越性和鲁棒性。