基于分塊小波包變換和(2D)2PCA的人臉識別算法.pdf

1、人臉識別技術(shù)是生物特征識別技術(shù)中研究最多最活躍的領(lǐng)域之一,它具有友好、直觀、易于接受、可隱蔽性操作等優(yōu)點。由于人臉部所處環(huán)境、自身表情以及臉部姿態(tài)變化的復(fù)雜多樣性,當(dāng)前人臉識別仍然是一個十分重要的鉆研課題。
　　經(jīng)過幾十年的發(fā)展,在人臉識別技術(shù)中逐漸形成了多種人臉識別算法。算法的關(guān)鍵是能否有效地提取出人臉圖像的特征,不同的人臉圖像特征對應(yīng)的人臉識別系統(tǒng)的識別準確率、計算復(fù)雜度和魯棒性是不一樣的。本文首先系統(tǒng)地總結(jié)了前人的研究成果及

2、各種算法的優(yōu)缺點,并在此基礎(chǔ)上提出了一種基于分塊小波包變換和(2D)2PCA的新的人臉識別算法。本文主要工作內(nèi)容如下:
　　(1)將圖像分塊思想應(yīng)用于人臉識別,對預(yù)處理后的人臉圖像進行合理的分塊,從而增強算法的魯棒性。
　　(2)在特征提取的過程中,將小波包變換與(2D)2PCA結(jié)合使用。首先對分塊后的人臉圖像進行小波包分解,然后運用(2D)2PCA分別對各子塊最優(yōu)節(jié)點的融合圖像進行特征提取。
　　(3)在小波包分解后

3、最優(yōu)節(jié)點的選取問題上,本文提出了按各節(jié)點圖像的識別準確率高低選取最優(yōu)節(jié)點的辦法。即計算每一子塊經(jīng)過小波包變換后所有葉節(jié)點圖像的識別準確率,從中選取前五個最大識別準確率對應(yīng)的葉節(jié)點加權(quán)融合。在權(quán)值的選取問題上,本文提出直接用各節(jié)點的識別率作為權(quán)值進行圖像融合的方法。
　　(4)對算法的有效性進行研究。實驗中,在標準的ORL人臉數(shù)據(jù)庫上將本文算法與PCA、2DPCA、(2D)2PCA、WT-(2D)2PCA四種算法的識別準確率進行對比

4、,驗證了本文算法的識別效果優(yōu)于其它四種算法。
　　(5)對算法的相關(guān)參數(shù)進行研究。實驗中分別對算法涉及的圖像分塊方式、小波基函數(shù)的選擇、分解層數(shù)以及訓(xùn)練測試樣本數(shù)目比進行討論,并總結(jié)出當(dāng)對圖像進行2×2分塊、選用db4小波基函數(shù)進行2層WPD、訓(xùn)練測試樣本比6:4時能夠得到最高為98.125％的識別準確率。
　　(6)對算法的魯棒性進行研究。分別在標準的Yale、Yale B和UMIST三個人臉數(shù)據(jù)庫上研究了算法對面部表情、