基于子空间及变换域的人脸识别算法研究

论文摘要

人脸是人们社会交流中所关注的焦点,在辨别身份和传递感情方面起着重要的作用。人脸识别是近年来发展起来的研究热点,其目的是让计算机根据人脸图像分析人物身份。人脸识别涉及计算机视觉、图像处理、模式识别、人工智能、认知科学、心理学以及生理学等诸多学科,而且人脸图像中存在着各种自身的和环境的变化因素,所以人脸识别研究复杂而艰巨,是一项极富挑战性的研究课题,还有很多关键技术问题有待进一步解决和完善,主要包括:(1)人脸图像的预处理,如人脸扶正、图像增强、归一化及降噪等;(2)人脸特征的完备提取,包括局部特征和全局特征,可以用几何方法和基于统计的方法等;(3)高精度识别和分类算法,包括各种基于距离的分类器和基于统计特征的分类器等。本文以人脸识别为应用背景,主要在对一维和二维线性特征子空间特征提取方法以及小波变换、离散余弦变换、Radon变换等图像变换方法的深入学习和研究的基础上,研究了人脸识别方面的若干关键技术,包括图像预处理、人脸特征提取及识别算法等,对其中的具体问题进行了细致的分析和讨论,提出了一些新的算法。本论文的主要工作和贡献如下:1)较全面地综述了人脸识别技术。首先介绍了人脸识别技术的研究内容、意义及国内外研究概况,然后按照提取特征的形式分类整理了主要的人脸识别方法,列出了人脸识别系统中常用的分类准则,并详细介绍了主要的公用人脸图像库。最后,本文讨论了人脸识别领域的后续研究方向。2)提出了一种基于中值滤波的Laplace边缘检测算子。人脸边缘是人脸非常重要的一个特征,对人脸边缘的检测,可以应用于人脸轮廓的提取、人脸区域的分割等方面。传统的算法检测到的边缘信息往往是不完整的,而且在检测噪声污染图像时会得到许多虚假的边缘。本文首先根据常用的Laplace边缘检测算子给出了一个由环形滤波器和噪声平滑滤波器组成的边缘检测模型。因Laplace算子中的噪声平滑滤波器为一全通滤波器,不具备平滑噪声的能力,而中值滤波器在平滑噪声的同时,可以保护信号的边缘使其不被模糊,所以将其代替Laplace算子中的全通滤波器,导出了一种新的边缘检测算子,并提出一种用于获得边缘检测的最佳门限的算法。实验表明相对于Laplace算子,新算子具有更好的边缘检测和抑制噪声能力。3)提出了一种新的三通道正交完全重建滤波器组和基于此滤波器组的一种新的图像去噪算法。此三通道滤波器组利用了信号的多相位表示理论,其解析滤波器组中的高通滤波器是基于Haar小波的,所以具有良好的边缘检测性能;而其低通滤波器为一均值滤波器,故具有较强的平滑噪声的功能。因此,该滤波器组非常适用于图像的去噪。然后利用此滤波器组给出一种基于3~l×3~l滑动窗口,即分解尺度为,的针对图像的软门限去噪算法。基于滑动窗口的小波域去噪算法的一大优点是它可以避免滤波后的图像产生方块效应。另外,由于图像中距离较远的像素之间不再具有相关性,因此采用较小的滤波窗口就可以得到很好的结果。该算法充分利用信号的两组小波变换系数的相关特性来得到小波系数的最佳估计,从而获得良好的去噪效果。4)通过对线性判别分析方法(LDA)及其改进方法的研究,提出了一种改进的加权零空间方法,并对权重系数的选择进行了讨论。传统零空间方法可以避免LDA求解中的小样本问题。特征值反映了当训练样本投影到对应特征向量时的可分性,即特征值越大,训练样本投影到对应特征向量时的可分性越好。所提出的加权零空间方法对类间散布矩阵非零空间的特征向量根据对应的特征值进行加权处理,权重的选择与相应的特征值成正比,使得对应较大特征值的特征向量在求取最佳投影方向时所起的作用大,对应较小特征值的特征向量在求取最佳投影方向时所起的作用小。这样该方法不仅避免了小样本问题,而且投影后更容易分开不同的类别。5)在对二维线性子空间特征提取方法及小波变换方法的研究基础上,根据本文提出的三通道正交完全重建滤波器组和二维LDA(2DLDA)提出了一种新的人脸识别方法。该方法首先对图像利用滤波器组进行一尺度分解,把每幅人脸图像分解为9幅子图像,相对于二维小波,三通道滤波器组通过一个尺度可以对图像频域作更为精细的分解。然后用2DLDA方法从各子图像中分别提取特征,并求得针对各子图像的测试样本和训练样本之间的距离。考虑到根据不同子图像得到的距离对整个人脸识别效果的重要性不同,对这些距离赋予不同的权重值,这样一个训练样本和一个测试样本之间的距离可以用各子图像距离的加权融合方式表示,从实验结果可以看出该方法跟传统LDA、2DLDA相比,能够得到更高的识别率。6)提出了一种新的基于离散余弦变换(DCT)和二维最大类间边缘准则(2DMMC)的特征提取算法(2DDM),并且证明了2DMMC可以直接应用于DCT域,利用欧氏距离测度进行分类的结果与在空域中进行得到的结果完全相同。所以2DMMC方法可直接应用于基于DCT压缩的JPEG格式的图像,而不必先进行逆DCT。实验结果表明,在空域2DMMC的识别率高于2DPCA和2DLDA,通过保留适量DCT系数,2DDM的识别率又高于2DMMC;因DCT有快速算法,并且在保留部分DCT系数后进行2DMMC,使散布矩阵的维数降低,这样特征分解所用时间以及分类所用时间减少,使得在进行人脸识别任务时,2DDM总耗时要低于用于空域的2DMMC的总耗时。7)在对连续Radon变换、有限Radon变换(FRAT)等理论进行研究的基础上,提出了利用FRAT的人脸识别方法。Radon变换是捕捉图像中方向性信息的一个有力工具,但其变换精度依赖于其在各个方向上的投影个数,其冗余性使得它不能完全重构。FRAT可完全重构,而且计算简便。在人脸图像中,大多是面部轮廓及五官的曲线信息,但如果把一幅图像分为多个图像块,这样每个图像块的曲线边缘或纹理可近似地看成是直线,然后对每个图像块可以进行FRAT以得到有用信息。在基于FRAT的人脸识别方法中,首先利用FRAT将图像投影到FRAT域,以得到人脸图像的有助于分类的有用信息;因幅值较大的FRAT系数包含了图像的主要能量信息,可以再用软门限的方法提取主要系数;最后对提取的FRAT系数根据2DMMC进行特征抽取和降维。实验结果表明,该方法可得到较为满意的效果。

论文目录

摘要

ABSTRACT

符号说明

第一章前言

1.1 人脸识别的研究背景及意义

1.1.1 人脸识别的研究背景及应用

1.1.2 人脸识别的技术优势及其不足

1.1.3 国内外对人脸识别技术的研究概况

1.2 人脸识别的研究综述

1.2.1 人脸识别系统的研究内容

1.2.2 常见的人脸识别方法

1.2.3 人脸识别系统中常用的分类准则

1.2.4 人脸数据库

1.3 本文的主要研究内容与内容安排

1.3.1 本文的主要研究内容

1.3.2 本文各章内容安排

第二章图像预处理

2.1 引言

2.2 基于中值滤波的Laplace边缘检测算子

2.2.1 基本的边缘检测器

2.2.2 基于Laplace算子的边缘检测模型

2.2.3 基于中值滤波的Laplace边缘检测算子

2.2.4 用于边缘检测的最佳门限

2.2.5 实验结果

2.3 一种适用于图象去噪的三通道正交完全重建滤波器组

2.3.1 离散小波变换

2.3.2 三通道正交完全重建滤波器组

2.3.3 基于滑动窗口的去噪算法

2.3.4 实验结果

2.4 小结

第三章基于加权零空间的人脸识别方法

3.1 PCA和特征脸方法

3.2 LDA方法

3.2.1 LDA方法的提出

3.2.2 LDA方法求解中的小样本问题

3.2.3 解决小样本问题的几种方法

3.3 加权零空间人脸识别方法

3.3.1 加权零空间方法介绍

3.3.2 参数β的选取

3.3.3 实验结果与分析

3.4 小结

第四章基于三通道正交完全重建滤波器组和2DLDA的人脸识别方法

4.1 二维线性子空间特征提取方法

4.1.1 概述

4.1.2 2DPCA

4.1.3 2DLDA

4.1.4 距离测度

4.2 小波变换在人脸识别中的应用概述

4.3 基于3COPRFB和2DLDA的人脸识别方法

4.3.1 算法步骤

4.3.2 实验结果

4.3.3 分析

4.4 小结

第五章基于二维最大边缘准则和DCT的人脸识别方法

5.1 MMC和2DMMC

5.1.1 MMC方法的提出

5.1.2 MMC方法的求解

5.1.3 2DMMC

5.2 图像正交变换与DCT概述

5.2.1 正交变换及其性质

5.2.2 离散余弦变换

5.2.3 DCT在人脸识别中的应用概述

5.3 基于DCT和2DMMC的特征提取算法（2DDM）

5.3.1 2DDM算法

5.3.2 实验结果

5.4 小结

第六章基于有限Radon变换的人脸识别方法

6.1 引言

6.2 FRAT及主要FRAT系数的提取

6.2.1 Radon变换

6.2.2 FRAT

6.2.3 主要FRAT系数的提取

6.3 基于FRAT的FRST2M方法

6.4 实验结果

6.5 小结

第七章总结与展望

7.1 总结

7.2 对未来研究的展望

参考文献

致谢

攻读博士学位期间发表的论文

学位论文评阅及答辩情况表

外文论文

1. Face Recognition Combining 3-channel Filter Bank and 2DLDA

2. Study of Finite Radon Transform in Face Recognition

基于子空间及变换域的人脸识别算法研究

论文摘要

论文目录

相关论文文献

猜你喜欢