基于局部模式的人脸特征提取算法研究

论文摘要

人脸识别是指对未知人脸,利用图象处理或模式识别等技术从中提取出特征,并将其与数据库中的已知人脸特征进行匹配,以确定其身份的过程。该技术是生物特征识别领域的重要组成部分。由于其非接触性识别,易于安装等特点,人脸识别系统在视频监控,网络安全,和人机交互等领域具有广泛的应用。而特征提取算法的研究是人脸识别技术的关键。当人脸的姿态,表情和光照等变化不是很明显的时候,其识别的精确率可以满足实际应用需求。但是当环境中的因素存在剧烈影响时,识别率有时会降低许多。因此如何准确的表示人脸图像即特征提取问题是人脸识别系统实施成功的关键部分。本文主要对人脸识别中的特征提取技术进行了研究,并着眼于局部特征,主要提出了如下的一些算法:1.基于小波熵理论的特征提取算法主要研究了基于小波和熵理论相结合的人脸特征提取算法。首先将二维图像转换成按多行平均处理后的一维信号来看待,而后对这些一维向量应用多层小波分解得到其系数,对系数组成的向量计算熵值,而后将所有得到的熵值组合成全局向量。该算法主要考虑了小波分解后,只应用少量系数就可以描述原行向量的能量信息,而这些信息又可以用熵来表示。。2.基于局部积分投影熵理论的特征提取算法主要研究积分投影技术理论在人脸特征提取中的应用。该算法的基本思路是先将原图像进行分块操作处理,而后在块内应用线形积分投影理论得到一维特征向量,最后对得到的向量计算其对数能量熵值。同时我们也研究了小波技术、信息融合技术与投影熵理论的结合。本算法主要是为了测试对姿态和表情变化的敏感性,与其他基于分块的算法相比取得了较好的效果。3.基于局部方差投影熵理论的特征提取算法本方法与上述方法的区别在于投影算法的不同。这里使用的是方差投影理论,主要是为了克服光照变化带给人脸识别的影响。因为方差投影可以描述图像内的方差信息,在经过相位或者边缘信息的预处理后,可以较好地提取出在光照条件下的人脸识别特征。与传统的光照人脸识别算法相比,本算法的性能比较好。此外,对一些常用的算法也做了一些研究。比如局部二元模式的增强算法和对光照处理的相位一致性算法等。这些改进或新的算法都取得了较好的实验结果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的研究目的和意义
• 1.2 人脸识别算法的研究现状及其存在的问题
• 1.3 本文的研究内容
• 1.4 本文的结构安排
• 第二章 常用的局部人脸特征提取算法
• 2.1 主成分分析（Principle Component Analysis）
• 2.1.1 分块PCA
• 2.1.2 Gabor小波与PCA的结合
• 2.2 局部二元模式（Local Binary Pattern）
• 2.2.1 局部二元模式
• 2.2.2 决策信息融合
• 2.2.3 实验结果
• 2.3 相位一致性方法
• 2.3.1 相位一致性
• 2.3.2 实验结果
• 2.4 本章小结
• 第三章 基于小波熵的人脸特征提取算法
• 3.1 信息论基础
• 3.2 基于小波熵的特征提取
• 3.2.1 小波分解
• 3.2.2 小波熵算法（wavelat energy entropy）
• 3.2.3 实验结果
• 3.3 本章小结
• 第四章 基于积分投影熵的特征提取算法
• 4.1 积分投影熵
• 4.1.1 积分投影函数和熵理论
• 4.1.2 积分投影熵
• 4.1.3 实验结果
• 4.2 积分投影熵和信息融合技术
• 4.2.1 对数小波变换（log-gabor transform）
• 4.2.2 局部特征表示
• 4.2.3 实验结果
• 4.3 积分投影熵与小波技术
• 4.3.1 小波相关文献
• 4.3.2 小波投影熵技术
• 4.4 本章小结
• 第五章 基于方差投影熵的特征提取算法
• 5.1 方差投影熵
• 5.1.1 相关文献综述
• 5.1.2 方差投影函数
• 5.1.3 方差投影熵的特征提取算法
• 5.1.4 实验结果
• 5.2 方差投影熵和相位信息
• 5.2.1 相位重构算法
• 5.2.2 实验结果
• 5.3 方差投影熵和边缘信息
• 5.3.1 边缘检测算法
• 5.3.2 实验结果
• 5.4 本章小结
• 第六章 结论与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文及科研成果