彩色人脸图像特征提取算法研究

论文摘要

人脸识别这一研究热点已经成为计算机视觉领域中的核心问题,而特征提取与识别紧密相连,人脸识别系统性能的好坏直接取决于特征提取算法的优劣。论文针对人脸识别与特征提取的相关理论做了大量分析研究,主要研究工作如下:首先,对彩色人脸图像的预处理系统进行了研究,包括:对4种常用的色彩空间进行了研究,实验比较分析RGB和中人脸图像各分量特征特点,得出分量更适合人脸识别特征提取;针对彩色图像进行灰度处理,分析比较三种灰度化方法的优劣;为突出人脸细节,进一步对灰度图像进行灰度变换;此外对噪声干扰的图像进行去噪处理,在采用中值滤波基础上进行矢量中值滤波方法改进,既能实现灰度图像的滤波又能完成彩色图像的去噪。Ycb cr Ycb cr其次,研究人脸图像的特征提取算法:(1)实现经典的基于PCA的人脸识别算法,并在此基础上进行了改进,直接求解二维图像的协方差矩阵,避免了一维数据较复杂的计算,充分利用样本类别的差异,使特征值与特征向量的求解过程得到简化,比较不同特征维数的特征脸,达到了更好的降维效果;(2)研究线性判别分析方法,对基础算法进行改进,从对人脸图像进行一维变换到直接二维进行处理,对其做LDA变换得到最佳分类的特征,采用基于欧式距离的最近邻分类器进行分类,与基础算法相比,大大提高了正确识别率,识别率能够达到95%。(3)对基于核的非线性人脸识别算法深入研究,分别采用多项式核函数和高斯核函数进行非线性映射,结合PCA算法,在不同的人脸库上仿真实验,同时将几种线性与非线性方法的识别结果进行对比分析,结果表明非线性识别方法具有较好的鲁棒性,更能满足实际需求。最后,重点针对ICA算法进行研究改进,将基于信息论中最大熵的判别准则应用到FastICA中去,其收敛速度更快,同时采用的KICA使广义特征向量的求解更多样化,使用RKHS空间的方式更为灵活,而且选取不同的非线性函数也可以使算法性能达到最优,结果表明,FastICA算法具有比ICA更好的识别率,能够达到94.5%,有很高的实用价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• §1-1 选题背景及意义
• §1-2 人脸识别的发展现状
• 1-2-1 国外发展现状
• 1-2-2 国内发展现状
• §1-3 人脸识别技术的关键问题
• §1-4 课题研究内容及主要工作
• 第二章 人脸识别与特征提取方法
• §2-1 人脸识别系统的组成
• §2-2 人脸特征提取和识别方法概述
• 2-2-1 基于几何特征的人脸识别
• 2-2-2 基于代数特性的人脸识别
• 2-2-3 基于神经网络的人脸识别
• §2-3 距离测度和分类器设计
• §2-4 识别性能的评价标准
• 第三章 彩色人脸图像预处理
• §3-1 色彩空间
• §3-2 色彩空间转换
• 3-2-1 RGB色彩空间
• 3-2-2 HSI色彩空间
• 3-2-3 YIQ色彩空间
• 3-2-4 YCbCr色彩空间
• §3-3 人脸图像灰度处理
• 3-3-1 灰度处理方法
• 3-3-2 灰度变换
• §3-4 图像的滤波去噪
• 3-4-1 中值滤波器原理
• 3-4-2 中值滤波器的去噪实验仿真
• 3-4-3 改进的中值滤波算法
• 3-4-4 实验仿真及结果分析
• 第四章 线性人脸图像特征提取
• §4-1 PCA 特征提取算法
• 4-1-1 PCA算法原理
• 4-1-2 基于PCA的人脸图像特征提取
• §4-2 改进的 PCA 算法
• 4-2-1 改进的 PCA 算法原理
• 4-2-2 仿真实验及结果分析
• §4-3 FDA特征提取算法
• 4-3-1 Fisher最佳线性判别准则
• 4-3-2 基于FDA的人脸图像特征提取
• §4-4 改进的FDA算法
• 4-4-1 改进的FDA算法原理
• 4-4-2 仿真实验及结果分析
• 第五章 基于核的非线性特征提取方法
• §5-1 核方法理论
• §5-2 基于核的 PCA 特征提取
• 5-2-1 基于核方法的 PCA 算法原理
• 5-2-2 仿真实验及结果分析
• §5-3 基于核独立主成分分析的人脸识别
• 5-3-1 ICA的基本理论
• 5-3-2 FastICA的基本理论
• 5-3-3 核独立成分分析（KICA）理论
• 5-3-4 仿真实验与结果分析
• 第六章 结论与展望
• 参考文献
• 致谢
• 攻读学位期间所取得的相关科研成果