人臉識別中基于圖像局部結(jié)構(gòu)的特征提取與分類研究.pdf

1、過去幾十年中，人臉識別一直是計算機(jī)視覺和模式識別領(lǐng)域一個研究熱點，因而吸引了大量關(guān)注并取得了巨大進(jìn)展。但大多數(shù)人臉識別方法都嚴(yán)重依賴于訓(xùn)練樣本的個數(shù)，在面臨單樣本人臉識別問題時性能嚴(yán)重下降甚至無法工作。為了解決單樣本人臉識別問題，本文從人臉圖像的局部結(jié)構(gòu)出發(fā)提出了新的特征提取和分類算法，所提出的算法不僅獲得了很好的識別效果而且對表情、光照、遮擋、時間變化也具有魯棒性。主要研究工作和創(chuàng)新性成果如下:
　　(1)提出了基于心理學(xué)定律的

2、局部特征提取算法—韋伯局部二元模式(WLBP)。WLBP包含兩個部分:差勵（Differential Excitation，DE）算子和LBP算子，差勵算子根據(jù)韋伯定律模擬人類對圖像的感知提取感知特征，而LBP算子可以有效地提取圖像局部特征，通過二維直方圖將兩種特征結(jié)合從而形成更具鑒別性的統(tǒng)計直方圖特征。差勵算子提取的感知特征通過使用LoG(Laplacian of Gaussian)算子有效地提升了WLBP對噪聲、光照等變化的魯棒性。

3、此外，WLBP還成功應(yīng)用于了紋理分類、人臉識別、人眼狀態(tài)檢測等應(yīng)用中。
　　(2)提出了基于局部特征的單樣本人臉識別。為解決單樣本人臉識別問題的特例—草圖人臉識別問題，我們提出了局部幾何(LG)特征提取算法，假設(shè)人臉草圖與人臉照片中的局部塊在不同的圖像空間形成了具有相似幾何結(jié)構(gòu)的流形，利用圖像局部塊之間的幾何結(jié)構(gòu)作為特征可以將不同的模態(tài)的人臉草圖和人臉照片轉(zhuǎn)換到了同一特征空間中，從而降低草圖與照片之間的模態(tài)差異。此外，本文還將局部

4、幾何特征、WLBP、LBP、WLD等局部特征分別應(yīng)用于單樣本人臉識別中，與全局特征相比局部特征對單樣本人臉識別問題更加魯棒。
　　(3)提出了基于局部相似性的子空間學(xué)習(xí)算法。PCA、LDA、LPP等傳統(tǒng)的子空間學(xué)習(xí)算法在單樣本情況下性能下降嚴(yán)重甚至無法工作問題，為解決此問題本文將人臉圖像分塊并對每個局部塊單獨分類然后合并所有塊的分類結(jié)果。為了分類每個局部塊，我們將每個局部塊進(jìn)一步劃分為重疊的子塊并根據(jù)子塊間的局部相似性提出了一系列

5、基于局部相似性的子空間學(xué)習(xí)算法:基于局部相似性的線性鑒別分析(LS_LDA)、基于局部相似性的中值費舍爾鑒別器(LS_MFD)、基于局部相似性的主成分分析(LS_ PCA)、基于局部相似性的局部保持投影(LS_LPP)、基于局部相似性的邊界費舍爾分析(LS_MFA)。相比于PCA、LDA、LPP、MFA等傳統(tǒng)的子空間學(xué)習(xí)算法，LS_PCA、LS_LDA、LS_MFD、LS_ LPP和LS_MFA不僅解決了PCA、LDA、LPP和MFA在

6、單樣本情況下性能下降或無法工作的問題而且對光照、表情、遮擋、時間變化具有很好的魯棒性。此外，本文還將上述基于局部相似性的子空間學(xué)習(xí)方法都統(tǒng)一到了基于局部相似性的線性圖嵌入(LS_ LGE)算法框架中。LS_LGE具有很好的泛化能力可以根據(jù)需要泛化出更多的基于局部相似性的子空間學(xué)習(xí)算法。
　　(4)提出了基于局部結(jié)構(gòu)的稀疏表示分類算法和基于局部結(jié)構(gòu)的協(xié)同表示分類算法。針對稀疏表示分類(SRC)在單樣本情況下性能下降問題，本文提出了基

7、于局部結(jié)構(gòu)的稀疏表示分類(LS_SRC)，將人臉圖像劃分為包含重疊子塊的局部塊并假設(shè)重疊的子塊位于同一線性子空間內(nèi)。子空間假設(shè)不僅反映了局部結(jié)構(gòu)還保證了SRC適用于單樣本人臉識別問題。為了提升LS_SRC的計算效率，本文進(jìn)一步提出了基于局部結(jié)構(gòu)的協(xié)同表示分類(LS_ CRC)算法。考慮到不相關(guān)的訓(xùn)練樣本對協(xié)同表示的干擾而影響分類性能，本文接著提出了基于局部結(jié)構(gòu)的兩階段協(xié)同表示分類（LS_TPCRC）和基于局部結(jié)構(gòu)的多階段協(xié)同表示分類(L