论文部分内容阅读
人脸所反映的视觉信息在辨别身份和传递情感方面起着重要的作用,这一特殊性使得人脸识别研究具有很高的应用价值,人脸识别技术也逐渐成为最重要的生物特征识别技术之一,日益受到研究者们的关注;但同时,人脸是由复杂的三维曲面构成的同一变形体,难以用数学描述,而且所有的人脸结构具有高度相似性,人脸图像又容易受年龄、光照、环境等因素的影响,故人脸识别又是一个复杂和困难的课题。特征提取是人脸识别系统中的重要部分,也是人脸识别研究的关键内容,本文对此进行重点讨论。首先对人脸图像进行某种变换,然后在变换域运用子空间方法提取分类特征进行人脸识别。本文遵循这一特征提取思路,进行了相关研究,主要内容如下:(1)引入了环形对称Gabor变换我们首先研究了现有的基于Gabor变换特征的人脸识别方法,分析了基于弹性图匹配的特征提取方法以及基于Gabor特征判别分类法的人脸识别方法。在此基础上,我们引入了环形对称Gabor变换,对环形对称Gabor变换的定义、概念和性质进行了比较全面的分析和讨论,并且与传统的Gabor变换进行了对比分析,发现环形对称Gabor变换比传统Gabor变换在变换的旋转不变性和减小的数据冗余性方面具有明显的优势。(2)引入了加权PCA方法并提出了修正的最大间距准则我们首先通过深入研究主成份分析方法,分析了不同的特征分量对于分类的作用不同,然后引入了加权主成份分析方法。在加权的主成份分析中,采用欧氏距离测度进行分类,等价于在传统主成份分析空间中采用马氏距离测度进行分类。这就从理论上给出了通过加权能够提高识别性能的原因。在介绍了线性判别分析方法和最大间距准则方法的基础上,提出一种修正的最大间距准则(MMMC)特征提取方法,它对MMC方法中的类间散度矩阵和类内散度矩阵进行了重新定义,通过实验验证了这种新的特征提取方法具有较好的稳定性和有效性。(3)提出了采用环形对称Gabor变换和子空间方法的人脸识别方法对环形对称Gabor变换特征在人脸识别中的应用进行了深入研究,在此基础上,提出了采用环形对称Gabor变换的幅度特征,首先进行亚采样,形成增广矩阵,然后用子空间方法进行特征提取的人脸识别方法。我们将环形对称Gabor变换分别和加权PCA方法、修正的最大间距准则方法进行结合,提出了两种人脸识别算法,并在ORL、Yale、Feret人脸库上进行了实验,取得了较满意的结果。