基于加權(quán)小波分解和Fisherfaces的人臉識(shí)別算法研究.pdf

1、隨著社會(huì)經(jīng)濟(jì)的發(fā)展和計(jì)算機(jī)技術(shù)的進(jìn)步，人們對(duì)個(gè)人驗(yàn)證信息的隱蔽性和安全性的要求日益增高，生物識(shí)別技術(shù)利用人體生物特征來鑒別個(gè)人身份，在安全驗(yàn)證領(lǐng)域的認(rèn)可度極高。其中，人臉識(shí)別技術(shù)以其易于使用、高精度、穩(wěn)定性好、性價(jià)比高、難仿冒的良好性能，具有極其廣闊的應(yīng)用前景。
　　論文在系統(tǒng)總結(jié)了人臉識(shí)別技術(shù)的研究背景和發(fā)展現(xiàn)狀的基礎(chǔ)上，介紹了人臉識(shí)別基于幾何特征和基于模板的兩類方法，深入分析了圖像預(yù)處理、加權(quán)小波分解、Fisherfaces特

2、征提取算法以及最近鄰、SVM分類器等內(nèi)容，并利用GUIDE開發(fā)平臺(tái)設(shè)計(jì)并完成了人臉識(shí)別系統(tǒng)可視化界面。論文的主要工作圍繞以下幾個(gè)方面進(jìn)行:
　　(1)在傳統(tǒng)的人臉圖像預(yù)處理中加入白化過程，平滑圖像的能量頻譜，并針對(duì)二值化造成分類信息損失的問題，去除了二值化過程，實(shí)現(xiàn)了圖像質(zhì)量的優(yōu)化。與傳統(tǒng)的只采用變換后低頻分量的二維小波變換方法不同，論文提出了加權(quán)小波分解，即將低頻分量、水平分量和垂直分量進(jìn)行加權(quán)組合，舍棄干擾信息較多的對(duì)角分量，

3、并通過對(duì)比實(shí)驗(yàn)選取了加權(quán)小波分解的最佳小波基、分解層數(shù)和權(quán)系數(shù)組，有效降維的同時(shí)保留了更多利于分類的信息。
　　(2)采用Fisherfaces方法提取特征，即將PCA算法和LDA算法結(jié)合起來使用，解決了類內(nèi)散布矩陣奇異和PCA算法在降維過程中不利于樣本分類的問題。對(duì)于不同的樣本數(shù)，確定了最佳的歸一化尺寸和特征維數(shù)。與傳統(tǒng)的人臉識(shí)別方法相比，論文提出方法的識(shí)別效果有了明顯改善，ORL和YALE庫上的實(shí)驗(yàn)分別取得了98.75％和10

4、0％的識(shí)別率，并且此方法具有對(duì)噪聲良好的魯棒性。
　　(3)對(duì)最近鄰分類器和SVM進(jìn)行了研究和編程實(shí)現(xiàn)。將改進(jìn)的SVM應(yīng)用于人臉分類，采用Libsvm工具箱，且用網(wǎng)格搜索法代替了傳統(tǒng)的參數(shù)迭代法，大大減小了計(jì)算復(fù)雜度。
　　(4)按照人臉識(shí)別系統(tǒng)流程圖，利用MATLAB提供的GUIDE開發(fā)平臺(tái)設(shè)計(jì)并完成了簡(jiǎn)單的人臉識(shí)別系統(tǒng)界面，對(duì)ORL、YALE兩類庫以及最近鄰、SVM兩類分類器都可以適用，并實(shí)現(xiàn)了圖像預(yù)處理，加權(quán)小波分解，