基于典型相关分析的人脸识别方法研究

论文摘要

受人脸定位技术的影响,人脸识别技术早已被广泛的研究和应用。当前,又掀起了一股新的研究热潮,尤其以现实人脸识别技术最受关注。特征抽取是模式识别研究的最基本问题之一,对于人脸识别而言,抽取有效的人脸特征是完成人脸识别的一个关键问题。近年来,随着特征融合技术的发展,典型相关分析方法,因其将两组特征向量融合成一组更具鉴别力的特征,得到了很好的发展。本文主要研究了将传统的典型相关分析方法推广到三变量CCA,将其应用到特征抽取过程中以特征融合为基础的几种组合特征抽取方法和彩色图像人脸识别。传统人脸识别技术主要致力于灰度图像的特征提取,而对彩色人脸图像关注甚少。然而,在现实生活中,摄像头、相机等所捕获的图像大多是彩色的,且这些彩色分量中往往包含重要的鉴别信息。为了更有效的从彩色信息中提取用于分类的鉴别特征,本文提出了一种基于典型相关分析的彩色图像人脸识别方法（CICCA）,用于在特征层得到三分量的最大相关性。该方法用主成分分析（PCA）、线性鉴别分析（LDA）和最大散度差（MSD）分别提取R分量、G分量和B分量的特征集;然后,我们再用CICCA融合三个特征集,使三者的相关性最大。在AR和FRGC-2彩色人脸库中的实验表明的此算法的有效性。LDA, Direct-LDA, DCV均属于有监督的线性鉴别分析方法,具有相同的物理意义及相似的特征抽取过程,由于他们采用了不同的准则函数,其抽取的特征向量反映了人脸图像中不同侧面的鉴别信息。本文提出了一种基于典型相关分析的有监督人脸识别方法。该方法首先通过LDA, Direct-LDA, DCV方法抽取三组特征向量,然后采用三变量典型相关分析方法完成特征融合,该方法得到更加全面反映训练样本中信息的鉴别向量,从而更加有效地增强分类性能,较大地提高了识别率。对于无监督方法PCA,LPP,SPP也用同样的方法处理。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 人脸识别概述
• 1.1.1 人脸识别研究的历史及现状
• 1.1.2 人脸识别方法介绍
• 1.2 彩色图像特征提取方法
• 1.3 生物特征识别中的信息融合技术
• 1.3.1 信息融合定义及层次划分
• 1.3.2 典型相关分析概述
• 1.4 本文主要研究工作概述
• 1.5 本文内容章节安排
• 第二章 彩色图像人脸识别方法
• 2.1 常用的人脸表示方法
• 2.1.1 主成分分析（PCA）方法
• 2.1.2 Fisher 线性鉴别分析方法
• 2.2 彩色图像通用鉴别分析方法
• 2.2.1 彩色图像表示方法
• 2.2.2 彩色图像通用鉴别模型（GDM）
• 2.3 独立成分彩色空间（ICS）和鉴别彩色空间（DCS）人脸识别
• 2.3.1 独立成分彩色空间ICS
• 2.3.2 鉴别彩色空间DCS
• 2.4 本章小结
• 第三章 基于典型相关分析的彩色图像人脸识别（CICCA）
• 3.1 典型相关分析的基本思想
• 3.2 典型相关分析用于特征融合的原理
• 3.2.1 特征融合策略
• 3.2.2 典型投影矢量集的求解原理
• 3.2.3 组合特征抽取方法的原理
• 3.3 基于典型相关分析的彩色图像人脸识别（CICCA）
• 3.3.1 三变量典型相关分析（3CCA）的基本思想
• 3.3.2 最大散度差鉴别分析（MSDDA）
• 3.3.3 3CCA 彩色图像人脸识别算法原理
• 3.4 本章小结
• 第四章 基于3CCA 有监督和无监督的人脸识别方法
• 4.1 线性有监督特征提取方法
• 4.1.1 鉴别公共矢量DCV
• 4.1.2 Direct-LDA 算法
• 4.2 线性无监督特征提取方法
• 4.2.1 局部保持映射LPP
• 4.2.2 稀疏保持投影SPP
• 4.3 基于3CCA 的有监督和无监督人脸识别方法
• 4.4 本章小结
• 第五章 实验结果及分析
• 5.1 数据库介绍
• 5.2 基于典型相关分析的彩色图像人脸识别方法的实验结果和分析
• 5.3 基于3CCA 的有监督和无监督算法的人脸识别实验结果及分析
• 5.3.1 在AR 数据库上的实验结果
• 5.3.2 在FERET 库上的实验结果
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 本文主要工作总结
• 6.2 进一步研究方向展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文