基于環(huán)形對稱Gabor變換子空間的人臉識別.pdf

1、人臉所反映的視覺信息在辨別身份和傳遞情感方面起著重要的作用，這一特殊性使得人臉識別研究具有很高的應用價值，人臉識別技術也逐漸成為最重要的生物特征識別技術之一，日益受到研究者們的關注；但同時，人臉是由復雜的三維曲面構成的同一變形體，難以用數學描述，而且所有的人臉結構具有高度相似性，人臉圖像又容易受年齡、光照、環(huán)境等因素的影響，故人臉識別又是一個復雜和困難的課題。 特征提取是人臉識別系統中的重要部分，也是人臉識別研究的關鍵內容，本文

2、對此進行重點討論。首先對人臉圖像進行某種變換，然后在變換域運用子空間方法提取分類特征進行人臉識別。本文遵循這一特征提取思路，進行了相關研究，主要內容如下： （1）引入了環(huán)形對稱Gabor變換 我們首先研究了現有的基于Gabor變換特征的人臉識別方法，分析了基于彈性圖匹配的特征提取方法以及基于Gabor特征判別分類法的人臉識別方法。在此基礎上，我們引入了環(huán)形對稱Gabor變換，對環(huán)形對稱Gabor變換的定義、概念和性質進行了

3、比較全面的分析和討論，并且與傳統的Gabor變換進行了對比分析，發(fā)現環(huán)形對稱Gabor變換比傳統Gabor變換在變換的旋轉不變性和減小的數據冗余性方面具有明顯的優(yōu)勢。 （2）引入了加權PCA方法并提出了修正的最大間距準則 我們首先通過深入研究主成份分析方法，分析了不同的特征分量對于分類的作用不同，然后引入了加權主成份分析方法。在加權的主成份分析中，采用歐氏距離測度進行分類，等價于在傳統主成份分析空間中采用馬氏距離測度進行分

4、類。這就從理論上給出了通過加權能夠提高識別性能的原因。 在介紹了線性判別分析方法和最大間距準則方法的基礎上，提出一種修正的最大間距準則（MMMC）特征提取方法，它對MMC方法中的類間散度矩陣和類內散度矩陣進行了重新定義，通過實驗驗證了這種新的特征提取方法具有較好的穩(wěn)定性和有效性。 （3）提出了采用環(huán)形對稱Gabor變換和子空間方法的人臉識別方法 對環(huán)形對稱Gabor變換特征在人臉識別中的應用進行了深入研究，在此基礎