基于加權小波分解和Fisherfaces的人臉識別算法研究.pdf

1、隨著社會經濟的發(fā)展和計算機技術的進步，人們對個人驗證信息的隱蔽性和安全性的要求日益增高，生物識別技術利用人體生物特征來鑒別個人身份，在安全驗證領域的認可度極高。其中，人臉識別技術以其易于使用、高精度、穩(wěn)定性好、性價比高、難仿冒的良好性能，具有極其廣闊的應用前景。
　　論文在系統總結了人臉識別技術的研究背景和發(fā)展現狀的基礎上，介紹了人臉識別基于幾何特征和基于模板的兩類方法，深入分析了圖像預處理、加權小波分解、Fisherfaces特

2、征提取算法以及最近鄰、SVM分類器等內容，并利用GUIDE開發(fā)平臺設計并完成了人臉識別系統可視化界面。論文的主要工作圍繞以下幾個方面進行:
　　(1)在傳統的人臉圖像預處理中加入白化過程，平滑圖像的能量頻譜，并針對二值化造成分類信息損失的問題，去除了二值化過程，實現了圖像質量的優(yōu)化。與傳統的只采用變換后低頻分量的二維小波變換方法不同，論文提出了加權小波分解，即將低頻分量、水平分量和垂直分量進行加權組合，舍棄干擾信息較多的對角分量，

3、并通過對比實驗選取了加權小波分解的最佳小波基、分解層數和權系數組，有效降維的同時保留了更多利于分類的信息。
　　(2)采用Fisherfaces方法提取特征，即將PCA算法和LDA算法結合起來使用，解決了類內散布矩陣奇異和PCA算法在降維過程中不利于樣本分類的問題。對于不同的樣本數，確定了最佳的歸一化尺寸和特征維數。與傳統的人臉識別方法相比，論文提出方法的識別效果有了明顯改善，ORL和YALE庫上的實驗分別取得了98.75％和10

4、0％的識別率，并且此方法具有對噪聲良好的魯棒性。
　　(3)對最近鄰分類器和SVM進行了研究和編程實現。將改進的SVM應用于人臉分類，采用Libsvm工具箱，且用網格搜索法代替了傳統的參數迭代法，大大減小了計算復雜度。
　　(4)按照人臉識別系統流程圖，利用MATLAB提供的GUIDE開發(fā)平臺設計并完成了簡單的人臉識別系統界面，對ORL、YALE兩類庫以及最近鄰、SVM兩類分類器都可以適用，并實現了圖像預處理，加權小波分解，