分塊鑒別特征抽取及人臉識別應(yīng)用研究.pdf

1、特征提取是模式識別領(lǐng)域中的一個關(guān)鍵問題。能否抽取人臉圖像有效的鑒別特征又是特征抽取的重要研究內(nèi)容。本文就基于分塊的代數(shù)特征抽取理論和方法進(jìn)行了較為深入地分析和研究，主要工作包括： (1)提出了融合分塊PCA與最大散度差鑒別分析的人臉識別方法。該方法首先對原始的人臉圖像進(jìn)行分塊，然后對分塊得到的子圖像采用PCA方法進(jìn)行特征抽取，從而把原始模式從高維空間映射到較低維空間。接下來再對新模式采用最大散度差鑒別分析，這樣就避免了對新模式的

2、類內(nèi)散布矩陣非奇異以及求逆的要求，同時該算法在運算速度方面也有了很大的提高。在ORL人臉庫和Yale人臉庫上分別檢驗了分塊PCA與最大散度差鑒別分析融合的人臉識別方法的識別性能，實驗結(jié)果表明該方法抽取的鑒別特征有較強的鑒別能力。 (2)設(shè)計了一種基于分塊局部二元模式(LBP)的鑒別特征抽取方法。該方法首先對人臉圖像進(jìn)行分塊，然后對分塊得到的子圖像矩陣采用LBP算子抽取對應(yīng)的LBP特征。由于LBP是利用一串二進(jìn)制碼來表征較小圖像塊

3、的局部紋理，有助于提高人臉識別的性能。然后對由所有分塊后的子圖像的LBP特征向量構(gòu)成的新訓(xùn)練集采用PCA方法進(jìn)行維度縮減，最后采用Fisher線性判別分析(LDA)對縮減后的PCA特征進(jìn)行鑒別特征提取。在ORL人臉庫和YALE人臉庫上的實驗結(jié)果表明該方法優(yōu)于直接基于原始圖像像素的PCA和LDA方法。 (3)提出了分塊局部主分量分析(即BLPCA)方法并用于人臉識別。該方法從原始訓(xùn)練圖像出發(fā)，先對樣本圖像進(jìn)行分塊，對分塊得到的子圖