人臉圖像特征抽取與分類方法研究.pdf

1、人臉識別一直是模式識別和計算機(jī)視覺領(lǐng)域經(jīng)久不衰的研究方向之一。人臉識別是一個典型的圖像模式分析、理解與分類計算問題，它為模式識別、計算機(jī)視覺和類腦科學(xué)等多學(xué)科提供了一個良好的具體問題，和這些學(xué)科相互促進(jìn)發(fā)展。人臉識別不易干擾被測者的正常工作，具有很高的友好性。尤其當(dāng)前社會公共安全問題突出，它具有實(shí)施簡易且可隱蔽進(jìn)行的獨(dú)特優(yōu)勢，在身份識別、智能檢索、安全監(jiān)控以及金融等領(lǐng)域有重要應(yīng)用價值。
　　特征抽取和分類是模式識別領(lǐng)域中最基本和最

2、重要的問題之一。抽取模式中的有效特征或關(guān)鍵特征是提高識別率的一種途徑，特征抽取方法主要包括特征生成、特征選擇和維數(shù)約減。在基于圖像的對象識別領(lǐng)域，特別是在人臉圖像識別中，由于原始的樣本圖像數(shù)目較少而維數(shù)相當(dāng)高，如何提取關(guān)鍵特征進(jìn)行維數(shù)約簡與識別是當(dāng)前研究的一個難點(diǎn)與熱點(diǎn)問題。分類方法設(shè)計是在未知樣本分布形式的前提之下，如何利用訓(xùn)練樣本追求最佳效果的分類效果。
　　圍繞人臉識別，本文主要研究工作包括:
　　(1)面向特征生成，

3、提出兩種局部Gabor紋理模式特征描述子方法用于人臉識別。
　　(2)面向特征提取，利用協(xié)同表示分類，提出了一系列協(xié)同表示特征提取方法:協(xié)同表示分析(CRA)的特征提取方法、對稱協(xié)同主成分分析(SCRA)方法、協(xié)同表示重構(gòu)特征提取方法和非線性核協(xié)同表示分析方法(KCRC)方法。
　　(3)面向分類，給出了一種基于局部均值表示的分類方法(LMRC)及其核化版本，LMRC利用局部近鄰均值組建字典稀疏線性重構(gòu)測試樣本。