人臉圖像特征抽取方法及應(yīng)用研究.pdf

1、特征提取技術(shù)在模式識(shí)別領(lǐng)域中是最基本的問(wèn)題之一。在人臉識(shí)別中，能否提取有效的鑒別特征是實(shí)現(xiàn)人臉準(zhǔn)確識(shí)別的一個(gè)主要因素。人臉識(shí)別過(guò)程一般可以分為人臉檢測(cè)與定位和人臉圖像預(yù)處理、人臉的特征提取、人臉識(shí)別三個(gè)部分。由于人臉圖像中的許多信息包含在樣本的高階統(tǒng)計(jì)量中，并且人臉樣本數(shù)據(jù)結(jié)構(gòu)屬于一種非線(xiàn)性結(jié)構(gòu)，所以許多特征提取方法采用流形學(xué)習(xí)來(lái)發(fā)現(xiàn)人臉的內(nèi)部結(jié)構(gòu)。本文對(duì)基于流形的人臉圖像特征提取方法進(jìn)行了研究，論文的主要工作體現(xiàn)在以下幾個(gè)方面:

2、>　　 1、圖像多模態(tài)擾動(dòng)的人臉識(shí)別方法(Muiti-modal Disturbing Face Recognition Algorithm)
　　 為了克服因人臉圖像檢測(cè)引起的配準(zhǔn)不穩(wěn)定性和小樣本引起的維數(shù)災(zāi)難，由一副二維人臉圖像通過(guò)上下左右平移生成四個(gè)圖像，把生成的圖像與原來(lái)的圖像一起加入訓(xùn)練樣本集，構(gòu)成新的訓(xùn)練圖像集?；诙S圖像，結(jié)合圖像局部結(jié)構(gòu)信息，設(shè)計(jì)準(zhǔn)則函數(shù)，獲得雙投影矩陣，抽取人臉特征。該方法一定程度上消除了小

3、樣本問(wèn)題，擴(kuò)大了人臉圖像表示的多樣性，并且有利于克服因位移帶來(lái)的圖像不穩(wěn)定性。算法根據(jù)數(shù)據(jù)樣本的類(lèi)別信息分別構(gòu)建類(lèi)內(nèi)和類(lèi)間近鄰圖，保持了流形的局部幾何結(jié)構(gòu)和判別結(jié)構(gòu)。對(duì)待識(shí)別人臉圖像，由它的擾動(dòng)圖像設(shè)計(jì)識(shí)別方法。與傳統(tǒng)的人臉識(shí)別方法相比，該方法的識(shí)別效果更好。
　　 2、基于局部結(jié)構(gòu)信息的雙線(xiàn)性判別分析方法(Bilinear Discriminant Analysis Method Basedon Local Structure

4、 Information)
　　 提出一種新的基于圖像矩陣的線(xiàn)性判別方法，即基于局部結(jié)構(gòu)信息的雙線(xiàn)性判別方法，從圖像行列兩方向同時(shí)抽取圖像特征。野點(diǎn)可以視為由于噪聲的引入而引起的圖像變形，根據(jù)樣本鄰域信息，定義樣本可靠度，檢測(cè)野點(diǎn)?？煽慷纫脖碚饕粋€(gè)樣本是邊界點(diǎn)的程度，結(jié)合樣本鄰接權(quán)重和可靠度，設(shè)計(jì)特征抽取目標(biāo)函數(shù)。根據(jù)類(lèi)內(nèi)散布矩陣和類(lèi)間散布矩陣的特點(diǎn)，設(shè)計(jì)迭代算法計(jì)算投影矩陣，降低了算法的復(fù)雜性。
　　 3、線(xiàn)性不相關(guān)鑒

5、別人臉識(shí)別方法(Uncorrelated Linear Discriminant Analysis and Face Recognition)
　　 分析了特征臉?biāo)惴ǖ脑?，特征臉空間的形成方法以及特征臉?biāo)惴ǖ膶?shí)現(xiàn)過(guò)程，闡述了子空間線(xiàn)性鑒別分析算法及其實(shí)現(xiàn)。提出利用圖像矩陣直接構(gòu)造圖像散布矩陣，設(shè)計(jì)了一種新的基于圖像矩陣的線(xiàn)性鑒別分析方法。與以往的基于圖像向量的鑒別方法相比，它的能夠提高特征抽取的速度。設(shè)計(jì)了一種新的Fisher