基于Contourlet變換和子空間分析的人臉識(shí)別技術(shù)研究.pdf

1、在基于生物特征識(shí)別技術(shù)的身份認(rèn)證中，人臉識(shí)別是最主要的方法之一，已經(jīng)成為當(dāng)前模式識(shí)別和人工智能領(lǐng)域研究的熱點(diǎn)，探索高識(shí)別率的人臉識(shí)別算法具有重要的理論意義和應(yīng)用價(jià)值。
　　 小波分析是信號(hào)處理的有效方式，是目前國(guó)際上公認(rèn)的信息獲取與處理領(lǐng)域的新技術(shù)。小波能從信號(hào)中提取有用的信息成分，是各種信號(hào)處理方法(如多尺度分析、時(shí)頻分析和子帶編碼)的統(tǒng)一處理框架。小波分析在一維時(shí)具有優(yōu)異的特性，但是，這種優(yōu)異特性不能簡(jiǎn)單地推廣到二維或更高維

2、。在高維空間中，多尺度幾何分析擁有更明顯的優(yōu)勢(shì)。
　　 Contourlet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(shí)頻局域特性，還具有很強(qiáng)的方向性和各向異性。子空間方法具有計(jì)算代價(jià)小、描述能力強(qiáng)、可分性好等特點(diǎn)，現(xiàn)已經(jīng)成為人臉識(shí)別的主流方法。
　　 本文提出基于Contourlet變換和主成分分析(PCA)的人臉識(shí)別方法，研究Contourlet變換的低頻系數(shù)與PCA相結(jié)合的識(shí)別率；同時(shí)提出

3、基于Contourlet變換和核Fisher判別分析的人臉識(shí)別方法，研究Contourlet變換的低頻系數(shù)、各層高頻系數(shù)與核Fisher判別分析相結(jié)合進(jìn)行人臉識(shí)別的識(shí)別率和識(shí)別時(shí)間。實(shí)驗(yàn)表明，Contourlet變換與PCA相結(jié)合，可獲得優(yōu)異的識(shí)別率；Contourlet變換的低頻系數(shù)與核Fisher判別分析相結(jié)合，在獲得優(yōu)異的識(shí)別率的同時(shí)也減少了識(shí)別時(shí)間；高頻成分有一定的識(shí)別性能，但識(shí)別率較低。將低頻成分與高頻方向子帶相結(jié)合能獲得最優(yōu)