论文部分内容阅读
人脸识别是一项极具有发展潜力的生物特征识别技术，研究人脸识别技术具有十分重要的理论意义和应用价值。最近几年，人脸识别技术取得了前所未有的发展，但其在实际应用中识别精度仍难以满足人们的预期要求，识别效果没有达到人们的要求。
人脸识别系统中，特征描述方法是人脸识别系统中最重要的一个环节，特征提取方法很大程度上决定了系统的识别率。Gabor滤波器具有良好的多尺度特性和方向特性，具有与生物视觉系统相近的特点，所以近年来广泛应用于面部人脸识别、指纹鉴别等领域。二维Gabor小波变换系数描述了图像上各给定位置附近区域的灰度特征，在人脸图像的二维Gabor小波变换系数的基础上进行的特征提取和分类识别，称为基于Gabor小波变换的人脸识别。
本文深入研究了利用二维Gabor小波变换进行人脸识别的理论方法和技术，并对Gabor人脸特征的降维方法进行研究。论文的主要工作和贡献如下：
1.对当前常用的人脸识别理论方法做了扼要的概括总结，结合最近几年国际上举办的一系列入脸识别评测活动，对当前人脸识别技术的研究现状、存在的问题和技术发展进行了论述。
2.研究了人脸图像的预处理。人脸图像的预处理主要包括三个环节：人脸检测和眼睛定位、几何规范化、灰度规范化。论文重点研究了基于AdaBoost统计学习的人脸检测方法。
3.研究了二维Gabor小波变换及其在识别应用中的响应特性。提出了以类内离散度矩阵之逆和类间离散度矩阵的乘积的迹作为分类性能的准则来衡量滤波器组对识别贡献的大小，筛选滤波，减少运算量。
4.研究了与Gabor滤波器结合的几种降维方法，Gabor+PCA、Gabor+LPP、Gabor+2DPCA、Gabor十2DLPP，并通过实验证明了算法的优劣性：最后介绍了支持向量机的分类方法，对Gabor降维特征进行分类。
基于以上思想，我们对ORL、CMU. PIE、AR人脸数据库做实验，得到了比较理想的识别效果。