基于小波变换的人脸分割与识别算法研究

论文摘要

人脸识别是一项极具有发展潜力的生物特征识别技术,研究人脸识别技术具有十分重要的理论和应用价值。基于二维小波变换的人脸识别技术取得了前所未有的发展。本文深入研究了利用二维小波变换进行人脸识别的理论方法和技术。人脸识别之前要对人脸图像进行预处理。人脸图像的预处理就是将由图像采集设备采集到的人脸图像调整成规范化的图像,主要包括三个环节：人脸分割和眼睛定位、几何规范化、灰度规范化。论文重点研究了基于AdaBoost统计学习的人脸分割方法。研究了二维小波变换及其在识别应用中的响应特性。二维小波变换是通过计算一组二维滤波器与图像上给定位置附近区域像素灰度值的卷积来实现的。本文通过计算结果验证了可以通过选择小波滤波器的参数来表示人脸图像的局部特征。基于二维小波变换进行的识别处理优于直接按原图像灰度的识别处理。在经典的弹性束图匹配算法基础上,提出了基于模板束的弹性束图匹配人脸识别算法。弹性束图匹配算法采用标号图来表示人脸图像,标号图的节点用一组描述人脸局部特征的二维小波变换系数表示,这些节点位于人脸图像上对识别有意义的特征点位置上；标号图的边用描述相邻两个节点相对位置的度量信息来表示,由各边组成的网格图结构描述了整个人脸的几何特征。由于经典弹性束图匹配算法的计算量较大,识别速度慢,本文通过对大量训练集的人脸标号图网格结构的聚类得到7个有代表性的网格结构组成人脸束图的模板束。在进行匹配时,将弹性束图匹配算法与AdaBoost学习算法相结合,首先,采用AdaBoost学习算法确定眼睛的位置,以眼睛坐标为基准点对输入图像进行几何规范化;然后,从模板束中挑选出最合适的网格结构来确定人脸的几何特征,并在此基础上进一步进行精确匹配。实验表明,基于模板束的弹性束图匹配人脸识别算法,不仅在运算量上要比弹性束图匹配算法大幅度减少,在识别速度与识别的准确度上都大大的提高,是一个可行的、较好的人脸识别方法。

论文目录

• 摘要
• ABSTRACT
• 创新点摘要
• 前言
• 第一章 人脸识别相关理论
• 1.1 人脸识别国内外研究历史与现状
• 1.1.1 国外研究状况
• 1.1.2 国内研究状况
• 1.2 人脸识别理论概述
• 1.3 人脸识别方法
• 1.3.1 基于几何特征的人脸识别方法
• 1.3.2 基于模板匹配的人脸识别方法
• 1.3.3 弹性图匹配的方法
• 1.3.4 其他人脸识别方法
• 1.4 小结
• 第二章 人脸图像的预处理
• 2.1 图像预处理概述
• 2.2 灰度规范化
• 2.2.1 图像平滑
• 2.2.2 直方图均衡化
• 2.2.3 灰度归一化
• 2.3 小结
• 第三章 人脸图像的分割
• 3.1 人脸检测和眼睛定位
• 3.1.1 人脸检测
• 3.1.2 特征计算
• 3.1.3 分类器训练
• 3.1.4 分类器级联
• 3.1.5 眼睛定位
• 3.2 几何规范化
• 3.2.1 仿射变换
• 3.2.2 灰度级插值
• 3.3 小结
• 第四章 二维小波变换及其在人脸识别应用中的响应特性
• 4.1 引言
• 4.2 二维小波变换
• 4.3 二维小波滤波器组的参数
• 4.3.1 参数的选择
• 4.3.2 参数的意义
• 4.4 二维小波滤波器在人脸识别应用中的响应特性
• 4.4.1 边缘
• 4.4.2 亮度
• 4.4.3 位置
• 4.5 实验结果
• 4.6 小结
• 第五章 基于小波表示的模板束弹性束图匹配人脸识别
• 5.1 弹性图匹配
• 5.2 基于模板束的弹性束图匹配算法
• 5.2.1 人脸表示
• 5.2.2 人脸束图
• 5.2.3 位移估计
• 5.2.4 图的相似性度量
• 5.2.5 匹配过程
• 5.2.6 人脸识别
• 5.3 实验结果
• 5.4 小结
• 结论
• 参考文献
• 发表文章目录
• 致谢
• 详细摘要