基于Gabor像素模式纹理特征的人脸识别

论文摘要

由于人脸识别技术在安全、金融、法律实施和军事上有广阔的潜在应用前景,近二十年来,人脸识别已经成为计算机视觉领域的研究热门之一并且促进了多门相关学科的发展。随着人脸识别技术的不断发展,更大的图像库,更高的识别率,更快的识别速度成为人脸识别技术新的发展方向,目前已经有相当成熟的人脸识别技术应用于实际生活当中。鉴于基于像素模式的纹理特征(PPBTF)已经成功地应用于人脸表情识别,本文将它应用于人脸识别,并在此基础上提出了一种新的人脸特征表示方法——基于Gabor像素模式的纹理特征(GPPBTF)。Gabor特征能够精确的提取图像的局部特征,且对位移、形变、旋转、尺度变化和光照变化都具有一定的鲁棒性。PPBTF特征能够有效的描述图像的纹理特征,对光照影响不敏感,计算速度快,耗时少。本文把Gabor特征和PPBTF特征的优点相结合,得到基于Gabor像素模式的纹理特征(GPPBTF)。基于核函数零空间Fisher判决分析(NKFDA)的分类方法已经成功地应用于人脸识别。该方法能够把特征向量映射到核函数零空间,在得到更具判别力的判别向量的同时减小了特征向量的维数。本文提出了一种基于多NKFDA分类器相结合的分类方法,有效地解决了超高维向量向低维空间投影丢失判决信息的难题,提高了分类的准确性。本文将Gabor像素模式的纹理特征(GPPBTF)和多NKFDA分类器相结合的分类方法应用于FERET人脸识别测评,取得了较高的识别率。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景和意义
• 1.2 人脸识别的发展历史及分类
• 1.3 人脸识别技术的研究现状
• 1.4 人脸作为生物特征识别方法的优势与不足
• 1.4.1 人脸识别的技术优势
• 1.4.2 人脸识别存在的问题
• 1.5 大型人脸测评的发展状况
• 1.5.1 FERET人脸识别测试
• 1.5.2 FRVT人脸识别测试
• 1.5.3 本文采用的测评方法
• 1.6 本文的研究内容及创新点
• 1.7 本文的章节安排
• 2 图像的预处理和特征提取
• 2.1 人脸图像的预处理方法
• 2.1.1 人脸图像几何归一化
• 2.1.2 人脸有效区域获得方法
• 2.2 人脸图像的特征提取
• 2.2.1 几何特征
• 2.2.2 统计特征
• 2.2.3 频率域特征
• 2.2.4 纹理特征
• 3 基于像素模式的纹理特征（PPBTF）
• 3.1 基于模式图的纹理建模
• 3.2 构建特征矢量
• 3.3 模板的选择
• 3.4 模式图（Pattern map）
• 3.5 PPBTF特征用于人脸表情识别
• 3.6 对PPBTF特征的改进
• 4 Gabor像素模式的纹理特征（GPPBTF）
• 4.1 Gabor小波滤波幅度图表征人脸
• 4.2 Gabor像素模式纹理特征表征人脸
• 4.3 直方图统计GPPBTF特征向量
• 5 基于零空间非线性判决分析的分类器设计
• 5.1 零空间非线性判决分析（NKFDA）
• 5.2 基于NKFDA的多分类器融合
• 6 实验及结果分析
• 6.1 FERET和CSU测评系统流程
• 6.1.1 FERET图像库的介绍
• 6.1.2 测评流程和实验设计
• 6.1.3 性能评价的指标
• 6.2 PPBTF特征和单个NKFDA分类器方法
• 6.3 GPPBTF特征和多NKFDA分类器融合的方法
• 6.4 实验结果比较和评价
• 6.4.1 相同预处理方法下的结果比较
• 6.4.2 不同预处理方法下的结果比较
• 6.4.3 计算时间
• 6.4.4 ORL人脸图像库上的实验结果
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢