基于Shearlet變換的人臉識(shí)別技術(shù)研究.pdf

1、人臉識(shí)別技術(shù)是生物特征識(shí)別技術(shù)的重要組成部分。通過從圖像中分割出人臉圖像部分，再從人臉圖像中提取識(shí)別特征，根據(jù)特征進(jìn)行類別辨認(rèn)（比如用于門禁系統(tǒng)的人臉辨認(rèn)）和識(shí)別分類（比如用于個(gè)人身份認(rèn)證系統(tǒng)的人臉識(shí)別）。人臉特征和人的其他生物特征一樣，在一般情況下，可以認(rèn)為是每一個(gè)人與生俱來的。任意兩個(gè)人之間，這些生物特征都是可識(shí)別分辨的，因其具有基于個(gè)人的唯一性和長(zhǎng)期穩(wěn)定性的特點(diǎn)。與其他生物特征識(shí)別方法相比，人臉識(shí)別的最大優(yōu)點(diǎn)是非接觸性。人臉識(shí)別系

2、統(tǒng)易于被接受，原因是人臉圖像可以非接觸、較遠(yuǎn)距離即可獲取，識(shí)別系統(tǒng)的運(yùn)行具有良好的非干預(yù)性和隱秘性特點(diǎn)。人臉識(shí)別技術(shù)在區(qū)域安全控制、刑事偵破、海關(guān)出入、商業(yè)個(gè)性化服務(wù)等領(lǐng)域具有廣泛的應(yīng)用前景。
　　主成分分析(PCA)方法是第一個(gè)用于人臉識(shí)別的模式識(shí)別方法，二維主成分分析(2DPCA)是對(duì)PCA的改進(jìn)，PCA把圖像按行或列優(yōu)先轉(zhuǎn)化為一維數(shù)據(jù)系列，再求一維系列的主成分，而2DPCA則是直接通過圖像矩陣構(gòu)造圖像協(xié)方差陣，因而協(xié)方差矩陣

3、規(guī)模變小，可以顯著減少計(jì)算量。本文首先詳細(xì)重述了這兩種識(shí)別方法，并用人臉識(shí)別實(shí)驗(yàn)對(duì)其做了對(duì)比。由于支持向量機(jī)(SVM)非常適合于小樣本多特征的識(shí)別問題，且被證實(shí)在很多模式識(shí)別應(yīng)用中具有良好的推廣性能，所以本文接著對(duì)不同SVM核函數(shù)的人臉識(shí)別效果做了仿真實(shí)驗(yàn)和分析，并得出采用徑向基函數(shù)(RBF)做為SVM的核函數(shù)時(shí)，比其它核函數(shù)識(shí)別效果好。
　　本文的研究重點(diǎn)是人臉圖像的剪切小波(Shearlet)特征提取，和基于圖像Shearle

4、t變換的人臉識(shí)別。人臉Shearlet特征是人臉圖像經(jīng)Shearlet小波變換后的剪切小波系數(shù)。Shearlet小波是在經(jīng)典小波基礎(chǔ)上發(fā)展起來的一種多尺度分析工具，Shearlet小波具有多分辨率特性，還具有很好的方向性和各向異性，比輪廓小波和經(jīng)典小波的稀疏性能更佳。通過對(duì)圖像離散Shearlet變換域的高低頻域進(jìn)行分析重構(gòu)，提取出人臉圖像的Shearlet特征;利用Shearlet變換和RBF徑向基神經(jīng)網(wǎng)絡(luò)相結(jié)合做為人臉特征提取方法。