應(yīng)用子空間方法的人臉識別研究.pdf

1、自動人臉識別具有巨大的應(yīng)用前景,已經(jīng)成為模式識別、計算機視覺以及信息技術(shù)相關(guān)學(xué)科中活躍的研究領(lǐng)域。過去的幾十年中,已經(jīng)有多種人臉識別方法被提出。本文針對人臉識別中的特征提取和分類問題進(jìn)行了研究,應(yīng)用子空間方法,提出了新的人臉識別算法。
　　 圖像變換是重要的人臉特征提取方法。雙樹復(fù)小波變換可以提取多尺度,多方向的圖像特征,同時具有平移不變特性。相對于Gabor小波,雙樹復(fù)小波變換可以有效地保持頻域信息。本文提出了基于雙樹復(fù)小波變

2、換和獨立成分分析的人臉識別方法。人臉圖像的雙樹復(fù)小波變換系數(shù)構(gòu)成特征向量,通過獨立成分分析進(jìn)行子空間投影,采用基于概率推理模型的分類器進(jìn)行分類。
　　 雙樹復(fù)小波變換變換在每個尺度上提取6個固定方向的特征,其中不包括水平和豎直方向。人臉中的主要器官呈現(xiàn)水平和豎直方向特征,提供重要的分類信息。針對雙樹復(fù)小波變換不能直接提取水平和垂直兩個方向特征的不足,本文提出了一種結(jié)合雙樹復(fù)小波特征和Gabor小波特征的人臉識別新方法。采用0和9

3、0的Gabor小波濾波器提取人臉圖像水平和豎直方向的特征,與雙樹復(fù)小波特征共同構(gòu)成特征向量。應(yīng)用fisherfaces方法進(jìn)行子空間投影,采用基于歐式距離的分類器實現(xiàn)分類。
　　 貝葉斯人臉識別方法分別求取人臉圖像的類內(nèi)和類間差異,在主成分分析子空間中應(yīng)用高斯概率分布對人臉差異進(jìn)行建模,通過估計人臉圖像差異的后驗概率進(jìn)行分類。由于人臉圖像受到多種復(fù)雜因素的影響,高斯模型不能對人臉差異進(jìn)行準(zhǔn)確的描述。針對這一問題,本文提出了基于獨