基于Contourlet變換的人臉識別技術(shù)研究.pdf

1、人臉在社會交往中扮演著十分重要的角色，是人類在確定一個人身份時所采用的最普通的生物特征，研究人臉識別及其相關(guān)技術(shù)具有十分重要的理論和應(yīng)用價值。
　　 本文對基于積分圖像的Adaboost人臉檢測方法進行了研究，并采用該算法對人臉圖像庫中的圖像進行了檢測實驗，驗證了該算法的檢測效果和性能。Contourlet(輪廓波)變換是一種新的多尺度幾何分析方法，它不僅具有小波變換的多分辨率特性和時頻局域特性，還具有很強的方向性和各向異性，能

2、夠有效的捕捉圖像的幾何特征。支持向量機分類器由于其良好的分類能力和魯棒性，在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢。文章分析了Contourlet變換的基本原理和變換特性，并研究了支持向量機(SVM)多類別分類器的特性，提出了一種基于Contourlet變換與SVM多類別分類器的人臉識別方法。該方法利用了Contourlet變換后的低頻分量系數(shù)作為識別特征。低頻分量系數(shù)可以很好的反映人臉的姿態(tài)不變性和面部器官特征。對

3、MIT—CBCL和Yale人臉數(shù)據(jù)庫中人臉圖像進行識別實驗，結(jié)果表明該方法具有很好的識別率。同時，Contourlet變換后的高頻方向子帶統(tǒng)計特征則刻畫了人臉輪廓與局部器官形狀信息，有效的捕捉圖像的幾何與邊緣特征，對人臉圖像的陰暗變化不是十分敏感。也具有很好的識別性能。本文也將Contourlet變換的低頻分量與高頻方向子帶特征相結(jié)合進行人臉識別，利用歐氏距離求出低頻特征向量的相似度，利用K—L距離求出高頻分量的相似度，然后再求出兩種相