基于奇異值分解和特征融合的人臉識別.pdf

1、人臉識別是生物特征識別領域的重要組成部分，也是機器學習、模式識別等課題的研究熱點，具有重大的學術研究和實際應用價值。隨著社會的發(fā)展和人們生活水平的提高，人臉識別技術的應用范圍越來越廣泛，同時也對人臉識別技術提出了更高的要求。人臉識別是一門復雜且富有挑戰(zhàn)性的研究課題，尋求穩(wěn)定、準確、快速的人臉識別算法是該課題的發(fā)展方向。特征提取是人臉識別算法的關鍵步驟，同時也是研究難點。本文將如何提取穩(wěn)定、有效的人臉特征作為研究重點，并主要從兩方面展開:

2、首先是對奇異值特征及其改進算法的研究;其次對圖像全局特征以及局部特征融合算法進行了研究。奇異值特征描述了圖像中的代數特征，具有很好的穩(wěn)定性以及旋轉、置換、位移不變性等性質，但大量的實驗表明，直接采用奇異值特征進行分類時，識別效果較差，在ORL人臉庫上只有50％左右的識別率。本文通過對奇異值的分布進行統(tǒng)計分析發(fā)現，將圖像子空間對應的奇異值線性組合作為原始圖像的特征描述時，可以有效提高樣本的類間離散度，并依據子圖像法、小波子空間以及兩者相結

3、合的方式分別對奇異值分解算法進行了改進。此外，本文結合改進的奇異值分解算法提出了一種自適應權值的特征融合算法，實驗結果證明，融合后的特征包含了更多有利于分類的信息。
　　本研究主要內容包括：⑴對子圖像法與奇異值分解相結合的算法進行了研究，不同于直接對圖像進行奇異值分解，人臉圖像首先被劃分為不重疊同等大小的多個子圖像，提取各個子圖像的奇異值進行線性組合作為人臉圖像的識別特征，此外對該算法涉及的兩個參數即子圖像數量以及奇異值的數量進行

4、了實驗分析。⑵對小波子空間與奇異值分解相結合的算法進行了研究，小波變換后的圖像在頻率域被劃分為不同的子空間，提取各個子空間的奇異值進行線性組合作為人臉圖像的識別特征，此外對小波函數的選取以及小波層數的設置進行了分析。⑶綜合以上兩個改進算法，提出了空間域以及頻率域相結合的奇異值改進算法，首先將劃分后的子圖像進行多層的小波變換，之后對每一個小波分量都進行奇異值分解，提取每個小波分量的最大奇異值線性組合作為識別分類的特征。⑷提出了一種基于權值