基于Gabor小波变换的人脸识别研究

论文摘要

人脸识别是身份认证最主要的方法之一,是应用数学、模式识别和人工智能的研究热点。本文采用Gabor小波变换来研究人脸识别算法。在人脸识别系统中,用束图来定位待识别人脸的特征点。其中束图的定义如下：选取人脸每个局部特征点的多个不同类型的Gabor Jets,每个局部特征点对应的这些Gabor Jets称为一个束,用不同类型人脸图的边组成的网格结构的平均网格来表示人脸几何的特征,这样的数据结构称为人脸束图。为了计算两张人脸图像的相似度,算法首先找到人脸图像特征点的位置,比如说眼睛,鼻子,嘴巴等。然后在这些特征点上用Gabor小波做卷积,提取Gabor Jets(也就是卷积值),且用这些提取出的Gabor Jets和特征点位置信息来构成人脸图。每张图像由一个人脸图来表示。两张图像的相似度是对应人脸图中特征点位置信息和Gabor Jets信息的的函数。本论文的主要工作如下：1第一章扼要概括总结了当前常用的人脸识别理论方法,且对人脸识别的研究现状和技术发展进行了论述。2第二章研究了二维Gabor小波变换及其在识别应用中的响应特征。二维Gabor小波变换是通过计算一组二维Gabor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。3第三章讨论了人脸图像的预处理。人脸图像的预处理就是将由图像设备采集到的人脸图像调整成规范化的图像。4第四章详细分析了人脸识别的特征点定位以及算法实现的基本过程,对其中的相似度以及匹配函数进行了分析。5第五章的数值试验结果表明本文的算法是有效的。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 人脸识别的背景及意义
• 1.2 人脸识别的研究内容
• 1.3 人脸识别方法
• 1.3.1 基于几何特征的方法
• 1.3.2 基于模板匹配的方法
• 1.3.3 特征脸方法
• 1.3.4 隐马尔科夫模型的方法
• 1.3.5 基于神经网络的方法
• 1.3.6 弹性图匹配方法
• 1.4 人脸自动识别系统
• 1.5 本文的主要工作
• 1.6 论文的组织结构
• 第二章 Gabor小波变换
• 2.1 小波分析基础
• 2.2 一维Gabor小波
• 2.3 二维Gabor小波
• 2.4 二维Gabor滤波器的参数意义
• 第三章 图像预处理、特征点与人脸图
• 3.1 图像预处理
• 3.1.1 人脸检测与眼睛定位
• 3.1.2 几何规范化
• 3.1.3 灰度规范化
• 3.2 特征点
• 3.2.1 特征点粗定位
• 3.2.2 Gabor Jets
• 3.2.3 Jets相似性的几个计算公式
• 3.2.4 位移估计
• 3.3 人脸图
• 3.3.1 人脸图
• 3.3.2 人脸图的相似度
• 第四章 基于Gabor小波变换的人脸识别算法研究
• 4.1 基于Gabor小波变换的人脸识别算法简介
• 4.2 正规化
• 4.3 构造束图
• 4.4 特征点定位
• 4.5 人脸图构造
• 4.6 计算人脸图相似度并进行人脸识别
• 4.7 小结
• 第五章 实验及总结
• 5.1 实验
• 5.2 总结
• 5.3 进一步的工作
• 参考文献
• 致谢