论文部分内容阅读
本文围绕二维图像中人脸识别方法的一些关键问题展开研究和探讨，并取得了一定的进展，具体包括：在人脸校正方面，根据眼睛区域的几何结构和灰度分布特点，提出一种针对眼睛定位的新积分投影函数——圆域均值最小亮度积分投影函数CNMDI-IPF。在此基础上结合积分投影峰评价函数，实现瞳孔的快速精确定位，进而达到人脸图像的有效校正，为后续的人脸识别消除部分姿态变化带来的影响。在人脸局部特征提取方面，根据局部人脸特征提取时不同位置的局部邻域像素对识别的影响统计，提出了一种改进的加权LBP编码模式RDW-LBP。并通过离散小波分解提取不同尺度和方向下小波系数的RDW-LBP特征图谱，提升了基于LBP算子的识别准确率。针对局部三元模式特征维数较高的问题，提出了一种低维直方图序列的人脸描述方法LTP子模式（LTP-SP）。算法在降低人脸特征维数的同时，进一步增强样本可分性。针对子空间投影算法中的小样本问题，提出一种基于改进完备隶属度函数和双向下采样二维线性鉴别分析的人脸识别方法。首先，本文讨论了二维线性鉴别函数的一些性质，从理论上论证了双向2DLDA在特征提取方面的差异性。接着在理论基础上，将模糊理论中的改进完备隶属度函数融入双向二维线性鉴别分析的目标准则函数，降低了样本外点对识别性能的影响，最终使用多分类器集成进行决策，提高了人脸识别准确率。针对现实生活中出现的多子类分布的样本分类问题，本文结合子类鉴别分析算法思想进行探讨。首先，从理论上分析了子类鉴别分析算法的准则函数与Fisher准则的不等价问题，并给出了修正后的准则函数；其次，针对图像样本的多子类分布问题，提出将子类鉴别分析推广至二维矩阵的思路，并结合核方法提升样本数据在高维空间的线性可分性。第三，针对鉴别分析类算法中经常出现的“次优性”问题，提出一种改进的加权马氏距离定义，改进定义同时考虑了样本数据中类规模和类数据离散程度对分类权重的影响，使分类投影轴更注重那些规模大，离散度高，不易分类的类数据。将改进的加权马氏距离加入子类鉴别分析算法框架，解决了多子类分布数据中子类样本间差异性较大时的分类问题。