基于ICA的人臉識別算法研究.pdf

1、人臉識別技術(shù)是計(jì)算機(jī)模式識別領(lǐng)域非?；钴S的課題方向之一，在法律、商業(yè)等領(lǐng)域有著廣泛的應(yīng)用前景，近年來，廣受關(guān)注。但由于人臉圖像的特殊性，人臉識別問題也是模式識別領(lǐng)域的一個相當(dāng)困難的問題。目前由于眾多研究者在這一領(lǐng)域的研究使得該技術(shù)有了一定的發(fā)展，但若要使這一技術(shù)相對成熟并可廣泛應(yīng)用到實(shí)際中，還有很多工作需要去做。本文結(jié)合獨(dú)立成分分析(ICA)人臉識別方法，對其中的部分問題分別進(jìn)行了深入的研究與探討。 本文工作包括： 1、

2、實(shí)現(xiàn)了基于核獨(dú)立成分分析(KICA)的人臉識別算法。采用了Bach(2002年)提出的KICA的概念，將其應(yīng)用到基于圖像整體代數(shù)特征的人臉識別中。主要介紹了KICA算法的原理，對其在人臉識別中的應(yīng)用做了一定的研究，并介紹了實(shí)現(xiàn)過程。利用MATLAB仿真在ORL和IITL人臉庫上進(jìn)行人臉識別實(shí)驗(yàn)，實(shí)現(xiàn)了基于核的獨(dú)立成分分析（ICA）的人臉識別算法，得到了較好的識別效果。 2、針對傳統(tǒng)的ICA算法存在的計(jì)算復(fù)雜度過高，訓(xùn)練和識別消耗

3、時間過多的問題，通過對一般的用于人臉識別的小波變換（WT）方法加以改進(jìn)，實(shí)現(xiàn)了一種基于WT的ICA算法。該算法的實(shí)現(xiàn)過程如下：首先將人臉圖像分解成不同的頻率子帶，對其中包含人臉主要信息的低頻子帶運(yùn)用ICA求取基向量，然后基于這些基向量張成的子空間實(shí)現(xiàn)人臉識別。經(jīng)過在ORL人臉庫中仿真實(shí)驗(yàn)驗(yàn)證得知：經(jīng)過小波變換，訓(xùn)練和識別消耗的時間大大減少，計(jì)算復(fù)雜度降低，但識別效果卻并未減弱。 3、針對由于表情、角度、光照條件的改變造成的識別率

4、降低；以及由于圖像尺寸偏大造成的識別復(fù)雜度增加、識別時間過長的情況，實(shí)現(xiàn)了融合人臉圖像的整體和局部信息及融合PCA、ICA、WT進(jìn)行的人臉識別。該算法首先利用WT對所有圖像進(jìn)行壓縮，然后利用PCA進(jìn)行人臉整體信息的識別，ICA進(jìn)行人臉局部信息(比如眼睛)的識別，最后利用相似性度量分類器獲得了很好的識別效果。該算法既利用了WT、PCA降維的優(yōu)勢，又利用了ICA對局部信息進(jìn)行識別。結(jié)果表明：該方法比單獨(dú)利用PCA算法提高識別效果，同時也比單