小波理論在人臉識(shí)別中的應(yīng)用研究.pdf

1、基于生物特征的識(shí)別技術(shù)被認(rèn)為是身份識(shí)別的一種最安全、可靠的方式,其主要利用人類特有的個(gè)體特征來證實(shí)個(gè)人身份。計(jì)算機(jī)人臉識(shí)別技術(shù)是生物特征識(shí)別技術(shù)中的杰出代表,它廣泛地涉及到圖像處理,信號(hào)處理和模式識(shí)別等多方面的學(xué)科知識(shí)。人臉識(shí)別研究困難較多,比如大量的人臉圖像數(shù)據(jù),高維向量特性、成像角度和不同光照條件等都對(duì)人臉識(shí)別提出挑戰(zhàn)。實(shí)際的人臉識(shí)別系統(tǒng)不僅要從畸變、有噪聲的圖像中對(duì)目標(biāo)做出識(shí)別,同時(shí)還要具有較高的識(shí)別率和較快的處理速度。因此,人臉

2、識(shí)別技術(shù)是一項(xiàng)十分艱難的任務(wù)。
　　 本文對(duì)人臉識(shí)別的理論和方法、小波理論在人臉識(shí)別中的應(yīng)用、光照對(duì)人臉識(shí)別的影響以及光照不變量的提取方法等方面進(jìn)行了深入細(xì)致的研究。提出了基于小波變換的統(tǒng)計(jì)不相關(guān)鑒別分析的人臉識(shí)別方法,應(yīng)用小波變換和去噪模型的光照不變?nèi)四樧R(shí)別方法以及基于相鄰小波系數(shù)的光照不變量的提取方法。更重要的是,本文首次提出對(duì)訓(xùn)練過程和測(cè)試過程采用雙模型的處理方法,即訓(xùn)練過程利用基于相鄰小波系數(shù)的光照不變量的提取方法來處理

3、訓(xùn)練圖像,而對(duì)于測(cè)試過程則僅僅修改小波低頻系數(shù)來提取光照不變量,這大大降低了測(cè)試過程算法的時(shí)間復(fù)雜度而使其更易于應(yīng)用在實(shí)際的人臉識(shí)別系統(tǒng)。
　　 Fisher鑒別分析方法是特征提取中的一個(gè)重要方法,統(tǒng)計(jì)不相關(guān)的線性鑒別分析(ULDA)是非常著名的基于Fisher的鑒別分析方法。但是,它同一些基于Fisher的方法一樣都面臨一個(gè)問題:小樣本問題。隨著數(shù)碼技術(shù)的發(fā)展與提高,采集圖像的分辨率越來越高,得到圖像的維數(shù)則更大。因此,解決小

4、樣本問題勢(shì)在必行。在研究小波變換的基礎(chǔ)上,利用二維小波變換對(duì)高維圖像進(jìn)行小波分解,利用得到的低頻圖像進(jìn)行ULDA特征抽取。在解決小樣本問題的同時(shí),又抑制了人臉的表情變化和少許遮擋,提高了特征抽取的有效性。實(shí)驗(yàn)結(jié)果表明本算法可以大大降低時(shí)間復(fù)雜度。同時(shí),在ORL庫上的識(shí)別率可以達(dá)到97.5％。在NUST603庫上的實(shí)驗(yàn)表明平均誤識(shí)率只有1.4%。本文從理論和實(shí)驗(yàn)兩個(gè)方面分析、證明了該方法在特征抽取和降維方面的優(yōu)勢(shì)。
　　 光照可以

5、顯著地改變?nèi)四樚卣?同姿勢(shì)和表情相比,光照問題是機(jī)器視覺和人臉識(shí)別中面臨的更大挑戰(zhàn)。本文在研究小波去噪模型理論和圖像經(jīng)小波變換后小波系數(shù)的特性的基礎(chǔ)上,提出應(yīng)用小波變換和去噪模型的光照不變量提取算法,并將其應(yīng)用于人臉識(shí)別。提取的光照不變量作為關(guān)鍵人臉特征用于人臉識(shí)別。該算法在對(duì)數(shù)域的光照人臉圖像上,利用二維小波變換,得到低頻系數(shù)和高頻系數(shù)。將高頻系數(shù)看作“噪聲”,對(duì)高頻系數(shù)利用收縮參數(shù)處理,保持低頻系數(shù)不變,最后利用小波逆變換提取光照不

6、變量。該算法由于引入了小波去噪模型,提取了最小均方差誤差的光照不變量,同時(shí)使用收縮參數(shù)對(duì)高頻系數(shù)做處理,增強(qiáng)了提取光照不變量的邊緣特征。在YALE B和CMU PIE人臉庫上的實(shí)驗(yàn)驗(yàn)證了本算法的高效性。
　　 通過對(duì)小波系數(shù)與光照不變量之間關(guān)系的研究,本文發(fā)現(xiàn)相鄰小波系數(shù)的相關(guān)性對(duì)光照不變量的提取具有重要影響?；谶@一發(fā)現(xiàn),本文提出了一種新的基于相鄰小波系數(shù)的光照不變量的提取方法,該方法考慮到了較小鄰域內(nèi)高頻小波系數(shù)之間的相關(guān)性

7、,通過采用基于相鄰小波系數(shù)的去噪模型處理高頻系數(shù),因此能更有效的去除“噪聲”,保留更多的有用信息。對(duì)于低頻系數(shù)不予修改,使得最終提取的光照不變量能夠具有較好的邊緣保持能力。同時(shí),本文首次提出對(duì)訓(xùn)練過程和測(cè)試過程采用雙模型的處理方法,即訓(xùn)練過程利用基于相鄰小波系數(shù)的光照不變量的提取方法來處理訓(xùn)練圖像,而對(duì)于測(cè)試過程則僅僅修改小波低頻系數(shù)來提取光照不變量,這大大降低了測(cè)試過程算法的時(shí)間復(fù)雜度而使其更易于應(yīng)用在實(shí)際的人臉識(shí)別系統(tǒng)。在Yale