基于ICA與Gabor算法的人臉識別方法研究.pdf

1、人臉識別技術作為生物特征識別的關鍵技術之一，其研究內容一直是計算機視覺的熱點問題。怎樣去分析與處理人類的臉部圖片，并從中提取有效的特征信息，近年來成為模式識別、智能控制、圖像處理和機器視覺等多個方面的研究熱點。經過最近數(shù)十年的科學研究，研究人員不斷地嘗試使用數(shù)學方法去模仿人腦識別圖像的思路，提出了許多有效的人臉識別方案，并使用不同的識別方法讓識別系統(tǒng)的平均性能得到了很大程度的提升。
　　但是，由于人臉圖像的特殊性，人臉識別問題也是

2、模式識別領域的一個富有挑戰(zhàn)性的問題。雖然目前該技術有了一定的發(fā)展，但是要使這一技術達到相對成熟的水平，進而被廣泛地應用到實際中，還有很多問題有待解決。
　　鑒于人臉識別領域存在的問題，特征提取又是影響人臉識別算法性能的關鍵步驟，本文的重點是研究并改進特征提取的方法，致力于減少人臉表情、光照變化等因素對識別的影響。主要工作如下:
　　使用獨立成分分析(ICA)算法，為高維矩陣尋找一種變換，使得高維矩陣的特征盡可能的獨立，而后對

3、ICA算法與主成分分析(PCA)算法進行了分析對比，將兩種算法進行了結合。通過在ORL人臉庫上的仿真實驗，該方法大幅提高了識別準確率和效率，表現(xiàn)出了優(yōu)良的識別特性。
　　而后設計了基于Gabor變換的人臉識別系統(tǒng)，其主要思想是模仿人類大腦識別人臉的機制，使用Gabor算法對圖片進行多方向多尺度的變換。本文提出了首先對人臉庫的圖像進行雙線性插值壓縮，然后對其進行多方向多尺度的Gabor變換的人臉識別算法，并和傳統(tǒng)PCA-LDA算法作