在这封信中,提出了一种基于Curvelet和局部三元模式(LIP)的新人脸识别方法。 首先,我们观察到Curvelet变换是一种新的各向异性多分辨率变换,可以有效地表示人脸图像中的边缘不连续性,并且LTP算子在表征人脸图像细节方面是最好的纹理描述符之一。 这促使我们使用Curvelet变换分解图像,并提取不同频带中的特征。 正如Curvelet变换属性所揭示的那样,最高的频段信息表示噪声信息,因此我们直接从特征选择中将其删除。 最低的频段主要包含粗糙的图像信息,因此我们可以更精确地处理它,以使用LTP提取特征作为面部细节。 其余频段主要代表边缘信息,我们对其进行归一化以实现显式结构信息。 然后,将所有提取的特征放在一起作为基本特征集。 有了这些功能,我们可以使用PCA缩小特征的尺寸,然后使用稀疏感测技术进行人脸识别。 在Yale数据库,扩展的Yale B数据库和CMU PIE数据库上进行的实验证明了所提出方法的有效性。