紅外與可見光人臉圖像的融合識別算法研究.pdf

1、生物特征識別技術(shù)是一種具有高可靠性和高穩(wěn)定性的身份鑒別技術(shù)。在各種生物特征識別技術(shù)中，人臉的識別技術(shù)是一項(xiàng)極具有發(fā)展?jié)摿Φ纳锾卣髯R別技術(shù)，同時也是計(jì)算機(jī)視覺與模式識別領(lǐng)域非?；钴S的研究課題，它在公共安全、信息安全、金融等領(lǐng)域具有潛在的應(yīng)用前景。多模態(tài)人臉圖像的融合識別，是對多種傳感器提供的人臉圖像進(jìn)行融合處理，結(jié)合不同模態(tài)圖像之間的互補(bǔ)信息以獲得更好的識別性能。這種融合技術(shù)既保持了原有人臉識別算法的性能，又能融合多種傳感器提供的有效鑒

2、別信息，提高識別的精度和魯棒性。因此，這是一個很有前景的研究課題。但是，這一新的領(lǐng)域目前還只是剛剛起步，有許多問題急需解決。因此迫切需要開展廣泛深入的基礎(chǔ)理論和技術(shù)的研究工作。
　　 本文在已有紅外與可見光人臉圖像融合識別研究成果的基礎(chǔ)上，從特征層和分值匹配層上對人臉多模態(tài)融合識別技術(shù)進(jìn)行了探討和研究。論文的主要研究工作和成果包括以下幾個主要方面的內(nèi)容：
　　 1、提出了一種基于Fisher線性鑒別的典型相關(guān)分析的多模態(tài)

3、人臉融合識別算法
　　 從Fisher線性鑒別分析和典型相關(guān)分析的思想出發(fā)，提出一種針對多模態(tài)信息在特征層上抽取新鑒別特征用于模式分類算法，稱為基于Fisher線性鑒別的典型相關(guān)分析(Fisher Linear Discriminant based Can01ucal Correlation Analysis，簡稱FLDA+CCA)。給出了將FLDA和CCA用于模式識別的理論框架。算法依據(jù)FLDA的判據(jù)準(zhǔn)則函數(shù)分別抽取兩組模式的

4、特征矢量，再根據(jù)CCA思想建立描述兩組特征矢量之間相關(guān)性的判據(jù)準(zhǔn)則函數(shù)，依據(jù)此準(zhǔn)則求取兩組典型投影矢量集，通過給定的特征融合策略抽取組合特征用于模式分類。解決了當(dāng)模式構(gòu)成的總體協(xié)方差矩陣奇異時，F(xiàn)LDA投影矢量集的求解問題，使之適合于高維小樣本的情形，推廣了算法的適用范圍。新算法對兩組信息先降維聚類后建立相關(guān)融合的做法，既消除了模態(tài)內(nèi)的冗余信息，又建立了不同模態(tài)信息之間的相關(guān)聯(lián)系，達(dá)到信息互補(bǔ)的目的，為融合兩組模態(tài)信息用于分類識別提供了

5、新的途徑。實(shí)驗(yàn)表明該算法能有效的提高識別率。
　　 2、提出一種多模態(tài)人臉非均勻局部特征融合算法
　　 局部特征抽取方法是從原始數(shù)字圖像出發(fā)，先對圖像進(jìn)行分塊，再對分塊得到的子圖像矩陣使用線性鑒別分析方法抽取模式特征，它是全局線性鑒別分析方法的推廣。由于人臉圖像內(nèi)不同區(qū)域信息的鑒別能力不同，原先的均勻分塊方法不能有效的反映面部鑒別信息的分布情況。為了抽取更具鑒別意義的局部特征，本文采用遺傳算法從人臉圖像中優(yōu)選出取具有較多

6、鑒別信息的子圖像區(qū)域作為特征抽取的基礎(chǔ)；抽取局部特征結(jié)合全局特征用于模式分類。新算法在紅外和可見光人臉融合識別實(shí)驗(yàn)中表現(xiàn)出很好的識別性能。
　　 3、設(shè)計(jì)提出一種融合多模態(tài)人臉信息的雙閾值分類器
　　 受Dempster-Shafer證據(jù)理論思想的啟發(fā)，針對分值匹配層的多模態(tài)人臉信息融合問題，設(shè)計(jì)提出一種融合多模態(tài)人臉信息的雙閾值分類器(Two-Threshold Classifier，簡稱2TC)。分類器根據(jù)Neyma