基于融合特征與光照不變特征的人臉識(shí)別方法研究.pdf

1、近年來,自動(dòng)人臉識(shí)別(Automatic Face Recognition, AFR)越來越受到研究者的關(guān)注,成為圖像處理、模式識(shí)別與計(jì)算機(jī)視覺研究中的熱點(diǎn)問題。同時(shí),它作為一種最能平衡各方利弊及具多功能的生物識(shí)別技術(shù),在身份鑒定、人機(jī)交互和視頻監(jiān)控等商業(yè)應(yīng)用領(lǐng)域中有著廣闊的發(fā)展前景。目前,較好的AFR系統(tǒng)在理想條件下已經(jīng)能夠取得令人滿意的識(shí)別性能。然而,大量的測試和實(shí)驗(yàn)經(jīng)驗(yàn)表明了,在光照不均勻、背景復(fù)雜等非理想條件下的人臉識(shí)別技術(shù)還遠(yuǎn)

2、未成熟。人臉識(shí)別領(lǐng)域中的一個(gè)難點(diǎn)是如何設(shè)計(jì)出具有高魯棒性和高識(shí)別率的AFR系統(tǒng)。
　　本文一方面針對人臉識(shí)別技術(shù)中的特征提取問題提出了一種采用融合 Gabor和PCA特征的人臉識(shí)別方法,提高了人臉識(shí)別性能。另一方面,研究了在非均勻光照條件下人臉光照不變量的提取方法。本文的主要研究工作如下:
　　(1)提出了一種基于Gabor與PCA特征融合的人臉識(shí)別方法。近年來,Gabor特征被認(rèn)為是最有效的人臉表示方法之一,它能夠從不同方

3、向不同尺度上有效表征人臉,突出了人臉的局部顯著性。而主分量分析(Principal Component Analysis, PCA)方法提取的是人臉的輪廓信息,彌補(bǔ)了Gabor特征在人臉全局特征提取方面的不足。本文運(yùn)用PCA提取人臉全局特征,Gabor小波提取紋理特征并通過PCA降維后作為其局部特征,利用全局和局部的融合特征進(jìn)行人臉識(shí)別。實(shí)驗(yàn)結(jié)果表明,本文提出的融合Gabor和PCA特征的人臉識(shí)別效果要優(yōu)于基于單一特征的人臉識(shí)別。

4、>　　(2)提出了一種基于改進(jìn)的NSCT光照不變量提取的人臉識(shí)別方法。非下采樣輪廓波變換(Nonsubsampled Contourlet Transform,NSCT)是一種具有多尺度、多方向與平移不變性的完備變換,它在表示圖像的紋理與邊緣等幾何特征方面具有獨(dú)特的優(yōu)勢。為了進(jìn)一步消除光照成分,同時(shí)保留大量的人臉輪廓信息,本文針對傳統(tǒng)基于NSCT的光照不變量提取算法中對低頻分量的處理做了改進(jìn),將低頻分量進(jìn)行同態(tài)濾波處理,再進(jìn)行直方圖均衡