分塊鑒別特征抽取及人臉識(shí)別應(yīng)用研究.pdf

1、特征提取是模式識(shí)別領(lǐng)域中的一個(gè)關(guān)鍵問(wèn)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?jī)?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(shí)別方法。該方法首先對(duì)原始的人臉圖像進(jìn)行分塊，然后對(duì)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(lái)再對(duì)新模式采用最大散度差鑒別分析，這樣就避免了對(duì)新模式的

2、類內(nèi)散布矩陣非奇異以及求逆的要求，同時(shí)該算法在運(yùn)算速度方面也有了很大的提高。在ORL人臉庫(kù)和Yale人臉庫(kù)上分別檢驗(yàn)了分塊PCA與最大散度差鑒別分析融合的人臉識(shí)別方法的識(shí)別性能，實(shí)驗(yàn)結(jié)果表明該方法抽取的鑒別特征有較強(qiáng)的鑒別能力。 (2)設(shè)計(jì)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(duì)人臉圖像進(jìn)行分塊，然后對(duì)分塊得到的子圖像矩陣采用LBP算子抽取對(duì)應(yīng)的LBP特征。由于LBP是利用一串二進(jìn)制碼來(lái)表征較小圖像塊

3、的局部紋理，有助于提高人臉識(shí)別的性能。然后對(duì)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(duì)縮減后的PCA特征進(jìn)行鑒別特征提取。在ORL人臉庫(kù)和YALE人臉庫(kù)上的實(shí)驗(yàn)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(shí)別。該方法從原始訓(xùn)練圖像出發(fā)，先對(duì)樣本圖像進(jìn)行分塊，對(duì)分塊得到的子圖