基于圖像統(tǒng)計特征的人臉識別研究.pdf

1、人臉識別技術(shù)是目前生物特征識別中最受人們關(guān)注的一個分支，是計算機(jī)視覺與模式識別領(lǐng)域非?；钴S的一個研究方向。人臉圖像的特征提取是人臉識別技術(shù)非常重要的組成部分，對于識別效果起著舉足輕重的作用。其中基于統(tǒng)計特征(代數(shù)特征)的識別方法由于具有一定的穩(wěn)定性和較快的識別速度而受到較大的關(guān)注。
　　 本文首先實(shí)現(xiàn)了三種經(jīng)典的基于統(tǒng)計特征的人臉識別方法即特征臉法、Fisher線性判別分析法和奇異值分解法，并將其在同一人臉庫上的實(shí)驗結(jié)果進(jìn)行了比

2、較，對前人的一些結(jié)論進(jìn)行了驗證。
　　 其次，本文對Fisher線性判別分析法進(jìn)行了更深一步的研究。先是用程序?qū)崿F(xiàn)了兩種前人提出的最優(yōu)鑒別矢量集的求解，并通過對比發(fā)現(xiàn)，利用最優(yōu)鑒別矢量集提取圖像特征進(jìn)行分類識別，效果明顯好于僅僅用單個鑒別矢量。然而，在用文獻(xiàn)[78]提出的方法求解最優(yōu)鑒別矢量集時，發(fā)現(xiàn)文獻(xiàn)[78]的方法存在一定的缺陷和不足。在此基礎(chǔ)上，本文對基于Fisher判別準(zhǔn)則的最優(yōu)鑒別矢量集求解算法進(jìn)行了改進(jìn)，使得改進(jìn)后的

3、方法能更有效的進(jìn)行識別。
　　 最后，對人臉圖像矩陣分解出奇異值向量進(jìn)行了統(tǒng)計分析與比較，證明了奇異值特征向量是圖像灰度信息的表征，分析總結(jié)了奇異值與圖像灰度的分布關(guān)系，即最大奇異值反映了圖像灰度范圍的位置，其他奇異值反映了灰度范圍的寬度；找出了直接用奇異值特征向量作為特征進(jìn)行分類存在的不足。進(jìn)而，又對圖像矩陣分解出的左右正交特征矩陣進(jìn)行了研究，證實(shí)了圖像的基空間決定了圖像輪廓結(jié)構(gòu)。在此基礎(chǔ)上提出了基空間的人臉識別算法，并通過實(shí)