论文部分内容阅读
人脸识别是当前生物特征识别中的研究热点,研究人脸识别技术具有十分重要的理论和应用价值。近几年来,为适应监控、安全和互联网应用等方面的需求,人脸识别技术取得了前所未有的发展,但在采集图像中存在的年龄、光照、表情等的变化,摄像方位的变异以及其它的干扰时,其在实际应用中的识别精度仍然难以满足人们的预期要求,在此领域的研究仍然需要不断深入。本文以人脸识别为背景,对二维线性特征子空间特征提取方法主成分分析(2DPCA)、线性判别分析算法(2DLDA)、局部保距投影(2DLPP)和对二维非线性特征子空间特征提取方法离散余弦变换等变换方法以及压缩感知(CS)的深入学习和研究的基础上,研究了人脸识别方面的若干技术,包括人脸识别算法及人脸图像特征提取等,提出了一些新的能提高识别率或识别效率的算法。论文较全面地阐述了人脸识别技术；介绍了人脸识别技术的研究和主要内容、意义以及国内外在人脸识别方面的研究进展,并对当前常用的人脸识别理论方法做了扼要的概括总结。主要研究工作包括：(1)分析了二维主成分分析(2DPCA)算法和一般矩阵的低秩近似(GLRAM)算法的特点,提出了一种双边表示的二维主成分分析(Doubleside2DPCA)算法,同时,给出了2DPCA算法在线增加训练样本的特征空间模型构造方法；双边表示的二维主成分分析算法的识别正确率与2DPCA和GLRAM算法相当,但是,在识别时间上却比2DPCA算法有所提高,在特征值计算上比GLRAM算法快。(2)在人脸识别中,二维线性判别分析(2DLDA)是有效的特征提取方法,但是,如果在投影空间的类间距过小就会产生较多的错误分类,本文提出了一种通过迭代来改变类间散度矩阵的方法,该方法能够克服已有的加权线性判别分析在产生多个较小类间距时不能使用的不足。在标准人脸数据库上的实验证明该方法能够提高识别率。(3)二维离散余弦变换(2DDCT)在频域中对光照和旋转等具有鲁棒性,通过2DDCT变换后能够保留信息的本质内容；线性流形学习算法即二维局部保距投影(2DLPP)能够在子空间很好保持人脸基本流形结构,结合二者特点,提出在频域中使用二维局部保距投影(2DLPP)的人脸识别算法。(4)分析了压缩感知(CS)在图像识别过程中需要预先将人脸图像矩阵展开成一维的向量,转换后的一维向量的维数一般较高,因此,对很多较大的且分辨率较高人脸图像都要预先做裁剪；2DDCT变换能够滤掉图像中不敏感的中频和高频部分后,保留信息的本质内容,结合二者特点,提出二维离散余弦变换与压缩感知相结合的人脸识别算法,该算法能够获得较理想的识别效果。