基于ICA與Gabor算法的人臉識(shí)別方法研究.pdf

1、人臉識(shí)別技術(shù)作為生物特征識(shí)別的關(guān)鍵技術(shù)之一，其研究?jī)?nèi)容一直是計(jì)算機(jī)視覺(jué)的熱點(diǎn)問(wèn)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(lái)成為模式識(shí)別、智能控制、圖像處理和機(jī)器視覺(jué)等多個(gè)方面的研究熱點(diǎn)。經(jīng)過(guò)最近數(shù)十年的科學(xué)研究，研究人員不斷地嘗試使用數(shù)學(xué)方法去模仿人腦識(shí)別圖像的思路，提出了許多有效的人臉識(shí)別方案，并使用不同的識(shí)別方法讓識(shí)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(shí)別問(wèn)題也是

2、模式識(shí)別領(lǐng)域的一個(gè)富有挑戰(zhàn)性的問(wèn)題。雖然目前該技術(shù)有了一定的發(fā)展，但是要使這一技術(shù)達(dá)到相對(duì)成熟的水平，進(jìn)而被廣泛地應(yīng)用到實(shí)際中，還有很多問(wèn)題有待解決。
　　鑒于人臉識(shí)別領(lǐng)域存在的問(wèn)題，特征提取又是影響人臉識(shí)別算法性能的關(guān)鍵步驟，本文的重點(diǎn)是研究并改進(jìn)特征提取的方法，致力于減少人臉表情、光照變化等因素對(duì)識(shí)別的影響。主要工作如下:
　　使用獨(dú)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(dú)立，而后對(duì)

3、ICA算法與主成分分析(PCA)算法進(jìn)行了分析對(duì)比，將兩種算法進(jìn)行了結(jié)合。通過(guò)在ORL人臉庫(kù)上的仿真實(shí)驗(yàn)，該方法大幅提高了識(shí)別準(zhǔn)確率和效率，表現(xiàn)出了優(yōu)良的識(shí)別特性。
　　而后設(shè)計(jì)了基于Gabor變換的人臉識(shí)別系統(tǒng)，其主要思想是模仿人類大腦識(shí)別人臉的機(jī)制，使用Gabor算法對(duì)圖片進(jìn)行多方向多尺度的變換。本文提出了首先對(duì)人臉庫(kù)的圖像進(jìn)行雙線性插值壓縮，然后對(duì)其進(jìn)行多方向多尺度的Gabor變換的人臉識(shí)別算法，并和傳統(tǒng)PCA-LDA算法作