基于粗糙集的人臉識別改進(jìn)方法.pdf

1、由于傳統(tǒng)的信息安全技術(shù)很難滿足實際需求，而生物特征識別技術(shù)因其高效、安全、穩(wěn)定等特點受到廣泛關(guān)注和應(yīng)用。生物特征識別技術(shù)中的人臉識別技術(shù)與其他技術(shù)相比具有穩(wěn)定、非接觸性和人機(jī)交互良好等特點，因此，人臉識別技術(shù)成為了生物特征識別技術(shù)領(lǐng)域的研究熱點。人臉識別系統(tǒng)在實際條件下一般需要對人臉實現(xiàn)復(fù)雜環(huán)境下的定位、特征提取和最終的分類識別。其中人臉檢測和定位是人臉識別前期的必要工作，其主要作用是從復(fù)雜背景條件中實時、高效和穩(wěn)定的分割出人臉區(qū)域。<

2、br>　　為了使最終分割出的膚色區(qū)域穩(wěn)定，本文利用空域濾波中的中值濾波和均值濾波以及頻域中的低通濾波對圖像進(jìn)行濾波并比較它們之中濾波效果較好的中值濾波作為濾波處理算法。濾波處理之后則需要對膚色區(qū)域分割，而膚色是人臉圖像中最為重要的特點。在顏色空間中膚色特征具有很強(qiáng)的穩(wěn)定性和聚類性。因此，本文在不同的顏色空間中分割出人臉區(qū)域，并進(jìn)行比較得出膚色分割最好的顏色空間即YCbCr作為人臉膚色分割空間。在YCbCr空間中，運(yùn)用膚色的兩種模型橢圓膚

3、色模型和高斯膚色模型,對人臉膚色進(jìn)行分割和比較，結(jié)果表明高斯模型在人臉分割中的優(yōu)越性，所以本文采用高斯膚色模型作為人臉分割算法。實驗結(jié)果證明了這種方法的穩(wěn)定性和有效性。
　　本文在完成人臉前期的分割后，通過主元成分分析法和線性判別分析法來提取人臉特征，但是在提取特征的過程中發(fā)現(xiàn)這兩種特征提取方法，都存在不包含圖像的細(xì)節(jié)特征的缺陷，針對這個問題本文提出了一種融合主成分分析法和隨機(jī)主成分分析法來構(gòu)建特征空間的方法。這種方法雖然能有效提

4、高識別率，但是存在特征過多，計算復(fù)雜度較高的缺點。為了得到識別率較高并且計算復(fù)雜度較低的人臉識別系統(tǒng)，本文利用粗糙集方法對不完備數(shù)據(jù)和不精確知識約簡的能力，來計算每個屬性的重要度，從而去除不必要的屬性來減少特征維數(shù)和提高特征質(zhì)量，進(jìn)而在提高系統(tǒng)的識別率的同時減少分類時的計算復(fù)雜度。實驗結(jié)果顯示PCA+rough set的平均識別率89.7％，PCA+LDA的平均識別率88.3%, PCA方法的平均識別率為87.5%，而采用Random