基于子空間及雙樹四元數(shù)小波的人臉識別算法研究.pdf

1、由于人臉具有唯一性和不易復(fù)制的良好特性,并且能在非接觸環(huán)境和不會對檢測人打擾的情況下進行,其商業(yè)和實用的價值超過其他的生物特征技術(shù)。人臉識別近幾十年來越來越受到研究者的重視,使得人臉識別技術(shù)發(fā)展迅速。
　　 在眾多人臉識別方法中,子空間方法由于其簡單、實施性好、有效性高等特點,逐漸成為近年來的熱點研究之一。本文主要對人臉識別特征提取的子空間方法進行研究,并將雙樹四元數(shù)小波應(yīng)用到人臉識別方向。論文的創(chuàng)新性成果如下:
　　

2、①提出了二維局部鑒別保持投影(2DLDPP)算法。通過對二維局部保持投影(2DLPP)和可調(diào)最大間距邊緣準則(MMMC)進行研究,發(fā)現(xiàn)2DLPP利用了局部結(jié)構(gòu)信息,而MMMC則是利用了全局結(jié)構(gòu)信息。為了使2DLPP方法從無監(jiān)督的方法變?yōu)橛斜O(jiān)督的方法,本文首次提出了2DLDPP算法。該算法首先是將可調(diào)最大間距邊緣準則(MMMC)運用到二維中,是二維可調(diào)最大間距邊緣準則(2DMMMC),然后將2DMMMC引入到二維局部保持投影(2DLPP)

3、中,并且通過構(gòu)造一個參數(shù)來達到最優(yōu)。2DLDPP是通過2DLPP和2DMMMC進行差的運算,來達到有監(jiān)督的目的,即保持了2DMMMC的全局結(jié)構(gòu)信息又利用了2DLPP的局部結(jié)構(gòu)信息。所以2DLDPP最大限度地使投影后類內(nèi)的距離最小化,同時類間的距離最大化。該算法在ORL人臉庫和FERET人臉庫上進行實驗分析,結(jié)果表明,2DLDPP方法有效,且優(yōu)于主成分分析(PCA),二維主成分分析(2DPCA),局部保持投影(LPP)和二維局部保持投影(

4、2DLPP)。
　　 ②提出了二維雙向逆拉普拉斯最大間距邊緣準則算法(2DBILMMC)。本文對二維最大間距邊緣準則(2DMMC)進行研究,發(fā)現(xiàn)2DMMC忽略了局部結(jié)構(gòu)的鑒別信息,而人臉圖像是有這部分信息的。為了使2DMMC能夠利用上局部結(jié)構(gòu),本文首次提出2DBILMMC算法。該算法是通過基于圖像矩陣的相似距離權(quán)重和不相似距離權(quán)重來計算出圖像的類間拉普拉斯矩陣和圖像類內(nèi)拉普拉斯矩陣,得到二維拉普拉斯最大間距邊緣準則,進行逆轉(zhuǎn),然

5、后合并垂直和水平的信息得到一個復(fù)雜的特征矩陣。對二維拉普拉斯最大間距邊緣準則進行逆轉(zhuǎn)其實就是讓基于特征空間的類內(nèi)拉普拉斯矩陣與類間拉普拉斯矩陣的最小化,即同類樣本距離最小化同時使異類樣本最大化。2DBILMMC合并垂直和水平的信息得到一個復(fù)雜的特征矩陣,就是充分地利用了兩個方向的結(jié)構(gòu)信息。本文首次利用2DBILMMC方法在AR人臉庫,FERET人臉庫及YALE人臉庫上進行實驗,結(jié)果表明,2DBILMMC有效且優(yōu)于MMC,2DMMC,LD

6、A和2DLDA。
　　 ③提出了二維合并雙向拉普拉斯逆線性判別分析算法(2DCBLIF)。該算法是通過將拉普拉斯的思想引入到二維的逆線性判別分析算法中得到二維拉普拉斯逆線性判別分析算法,然后合并垂直和水平的信息得到一個復(fù)雜的特征矩陣。2DCBLIF合并垂直和水平的信息得到一個復(fù)雜的特征矩陣,就是充分利用兩個方向的結(jié)構(gòu)信息。本文首次利用2DCBLIF方法在FERET人臉庫,CMU PIE人臉庫上進行實驗,結(jié)果表明,2DCBLIF有

7、效且優(yōu)于2DLDA,2DPCA,2DMMC。
　　 ④提出了將雙樹四元數(shù)小波(QWT)用于人臉識別方向。QWT是建立在二維希爾伯特變換基礎(chǔ)上的。每個四元小波都有一個實部,即離散小波變換和使用四元數(shù)代數(shù)構(gòu)造的3個虛部。QWT有3個相位角,其中2個相位角能編碼圖像的局部變化,另一個相位角則可以編碼紋理信息。它可以作為一種新型的分析幾何圖像特征的多尺度分析工具。本文首次利用QWT在人臉識別。通過在AR和FERET人臉庫上的實驗結(jié)果表明