基于Gabor小波系數(shù)融合的人臉識別.pdf

1、人臉識別是人工智能領(lǐng)域中重要的研究課題。由于其在檔案管理系統(tǒng)、安全驗證系統(tǒng)、信用卡驗證、公安系統(tǒng)的罪犯身份識別、銀行和海關(guān)的監(jiān)控、人機交互等領(lǐng)域具有廣闊的應(yīng)用前景，因此得到了研究者們廣泛的關(guān)注。 在過去的幾十年內(nèi)研究者提出了很多用于人臉識別的方法，但其在實際應(yīng)用中的識別率和速度仍然難以滿足人們的預(yù)期要求，特別是采集圖像中存在光照變化、攝像方位變異以及其它干擾時。識別系統(tǒng)采集的原始人臉圖像通常以網(wǎng)格像素的灰度值集合表示。孤立的像素

2、灰度集合不能直接反映人臉的內(nèi)蘊特征，引入適當(dāng)?shù)淖儞Q，將其映射到特征空間，然后進行識別處理是行之有效途徑之一。由于Gabor小波變換具有良好的特性，它能夠?qū)⑾噜弲^(qū)域的像素聯(lián)系起來，從不同的頻率尺度和方向反映局部范圍內(nèi)圖像像素灰度值的變化，因此基于Gabor小波變換的人臉識別技術(shù)是一種非常流行的方法。本文深入研究了利用Gabor小波變換進行人臉識別的理論、方法和技術(shù)，并針對Gabor小波系數(shù)具有冗余性，結(jié)合圖像融合技術(shù)提出了基于Gabor小

3、波系數(shù)融合的人臉識別新方法。 本文的主要工作如下：（1）研究了小波變換理論和基于小波變換的圖像融合方法。圖像經(jīng)過小波分解后得到一系列的低頻和高頻系數(shù)，低頻包含了圖像的主要特征，高頻系數(shù)包含了圖像的細節(jié)信息。針對這一特點，在低頻區(qū)域采用加權(quán)平均法，在高頻區(qū)域采用基于區(qū)域的方法。（2）研究了Gabor小波變換及其特性。Gabor小波變換是通過計算一組Gabor濾波器與圖像上給定位置附近區(qū)域像素灰度值的卷積來實現(xiàn)的。Gabor小波是哺

4、乳動物視覺皮層簡單細胞接受場模型的良好近似，并且對臉部姿勢和光照變化有較好的魯棒性，從而可以保證人臉的特征提取。接著研究了Gabor濾波器參數(shù)的選擇及其意義。（3）研究了彈性圖匹配算法以及彈性束圖匹配算法。彈性匹配算法是用二維網(wǎng)格來表示人臉圖像，圖中的節(jié)點用一組描述人臉局部特征的Gabor小波變換系數(shù)標(biāo)示，將圖像之間的比較變?yōu)榫W(wǎng)格間的比較。此方法的主要缺點時計算量大，圖像冗余信息大，存儲量大。彈性束圖匹配算法則使用人臉特征點來表示人臉，