基于子空间的人脸识别方法研究

论文摘要

人脸识别由于具有自然性和友好性的特点,因此成为生物特征识别领域中的一个热点研究问题。通过采用人脸识别技术,可以准确的识别出人的身份信息,进而保证信息安全。由于这个优势,人脸识别技术已经应用到国家安全、信息安全等多个领域中,具有科研价值和广阔的应用前景。子空间技术是目前人脸识别技术中的一个研究热点。与其他技术相比,子空间技术识别率高、鲁棒性强、计算量少。因此本文的主要工作都是对基于子空间的人脸识别算法进行研究。本文通过对人脸识别技术的深入研究,对比和总结了子空间下几种方法的优缺点,并根据目前涌现出的一些新改进的算法,提出了结合图像融合的主元分析与非负矩阵分解相结合的算法和结合图像金字塔的子空间算法的两种算法。首先本文对小波变换在人脸识别领域中的应用进行了深入的分析与探讨。引入图像融合技术,将三个高频子图通过基于领域能量的方式进行融合,使其成为一个融合子图。由于单个的子空间方法识别效果无法优于多个子空间方法。因此,本文将主元分析与非负矩阵分解相结合起来,并利用图像的熵值作为加权值来进行决策,提升了识别率。然后本文将图像金字塔引入到人脸识别领域。通过先对图像进行多尺度分解,再进行特征抽取,并通过采用图像的熵值作为加权值来进行决策。在主元分析方法中,对于主元的选取目前并没有确定的方法。本文同时对主元的选取进行了探讨和研究,分别采用主元分析与二维主元分析两种方法进行了研究和仿真。实验证明,本文提出的结合图像金字塔的子空间算法的识别率获得提升,而基于二维主元分析的本文算法又优于基于主元分析的本文算法。本文的创新点包括：提出了一种结合图像融合的主元分析与非负矩阵分解相结合的人脸识别算法。该算法不仅充分利用了图像高频子图的特征,而且也使主元分析与非负矩阵分解相互补充,达到提高识别率的效果。将拉普拉斯金字塔分解引入到人脸识别领域,提出结合图像金字塔的子空间算法。分别采用主元分析与二元主元分析进行特征抽取,经验证本算法可以提高识别率。并对本算法中的主元维数的选取进行了实验仿真得出结论。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 课题研究背景与研究意义
• 1.1.1 生物特征识别
• 1.1.2 人脸识别优势与难点
• 1.1.3 人脸识别的应用
• 1.2 人脸识别研究及发展现状
• 1.2.1 人脸识别技术发展过程
• 1.2.2 国内外研究与应用现状
• 1.3 本文的研究工作
• 1.4 本文章节安排
• 第2章 基于子空间的人脸识别算法
• 2.1 引言
• 2.2 人脸识别系统与预处理技术
• 2.2.1 人脸识别系统与评价手段
• 2.2.2 人脸图像预处理技术
• 2.3 子空间分析技术
• 2.3.1 主元分析算法
• 2.3.2 线性辨别分析算法
• 2.3.3 独立主元分析算法
• 2.3.4 非线性子空间分析算法
• 2.4 分类器的设计
• 2.5 小结
• 第3章 结合图像融合的子空间算法
• 3.1 小波变换技术
• 3.1.1 二维连续小波变换技术
• 3.1.2 离散小波变换技术
• 3.1.3 小波变换在人脸识别中应用分析
• 3.2 图像融合技术
• 3.3 结合图像融合的PCA与NMF相融合人脸识别
• 3.3.1 小波变换处理图像
• 3.3.2 高频子图图像的融合
• 3.3.3 特征抽取
• 3.3.4 分类器的设计及加权融合
• 3.4 实验数据库及仿真
• 3.4.1 ORL人脸库
• 3.4.2 实验及仿真
• 3.5 小结
• 第4章 结合图像金字塔的子空间算法
• 4.1 多尺度分解与图像金字塔
• 4.1.1 图像的高斯金字塔分解
• 4.1.2 图像的拉普拉斯金字塔分解
• 4.1.3 原图像的重构
• 4.2 结合图像金字塔的主元人脸识别算法
• 4.2.1 图像的拉普拉斯金字塔分解
• 4.2.2 基于图像金字塔分解的主元识别
• 4.2.3 基于图像金字塔分解的二维主元识别
• 4.2.4 分类方法及加权融合
• 4.3 实验及仿真
• 4.4 小结
• 结论
• 参考文献
• 附录A 攻读学位期间发表的论文
• 附录B 攻读学位期间参与的科研项目
• 致谢