低分辨率人臉圖像識別關鍵技術研究.pdf

1、人臉識別是當前計算機視覺領域的一個研究熱點，也是模式識別研究的重要課題。人臉識別以其使用方便、用戶認可度高、直觀性突出、不易仿冒等優(yōu)勢廣泛應用于監(jiān)控部防、照片搜索、門禁出入和身份識別等領域。由于受到現(xiàn)階段有限的數(shù)據(jù)存儲空間、網(wǎng)絡傳輸速率和圖像采集設備等因素的限制，大多數(shù)用于識別的人臉圖像都是以低分辨率的形式存在。然而通常的人臉識別算法都是基于普通分辨率的人臉圖像，因此針對低分辨率人臉圖像的識別研究具有積極的意義。
　　特征提取與表

2、達屬于低分辨率人臉圖像識別的關鍵技術之一?；诰植慷Ｊ剑↙BP）算法已被廣泛用于低分辨率圖像的特征提取。本文通過對局部二元模式算法進行分析，提出一種多分辨率和多尺度的LBP特征提取算法，針對同一張人臉圖像，分別提取其不同分辨率、不同尺度的LBP特征，獲得人臉圖像的局部和全局LBP特征。實驗證明，多分辨率和多尺度的LBP特征提取算法對低分辨率人臉圖像識別有顯著效果。
　　多分辨率多尺度LBP算法的特征提取雖然更好的體現(xiàn)了低分辨率

3、人臉圖像的局部和全局特征，但是也帶來了特征數(shù)據(jù)量大、數(shù)據(jù)的冗余度高的問題。因此，需要找到一種合適的數(shù)據(jù)降維方法來解決這一問題。傳統(tǒng)的的數(shù)據(jù)降維算法雖然能在一定程度上達到減少數(shù)據(jù)維數(shù)的目的，但是又帶來了由于降維引起的大量有用信息的丟失問題。
　　本文引入一種人臉圖像特征降維的新方法：局部間隔對齊(LMA)。LAM不僅能夠降低高維數(shù)據(jù)的維數(shù)，使高維數(shù)據(jù)映射到一個低維的子空間，同時還能保留類內(nèi)的結(jié)構，最大限度的保留了利于分類的有用信息。