基于子空间的线性与非线性人脸识别算法的研究

论文摘要

随着社会的发展,科技的进步,人与人之间在交往的过程中进行的身份鉴定成为建立信用的保障,人脸识别技术应运而生,特征提取作为其关键环节成为研究的热点。子空间方法以其描述能力强、计算代价小、识别稳定等优点成为特征提取算法中的主流算法。本文主要研究了子空间基础上的人脸识别与特征提取,在原有算法的基础上提出了改进算法。特征提取的研究与问题的解决对于模式识别领域的发展和成熟意义重大。论文开始介绍了人脸识别的发展现状,并且阐述了人脸识别中的特征提取对科技和社会发展的重要影响,并且对人脸识别中的几种典型的算法进行了分析与讨论;其次讨论了基于子空间算法的基本理论与算法思想,并就特征提取中存在的问题进行了重点的研究;最后在已有理论和算法的基础上,提出了三种改进的基于子空间的人脸识别算法。首先,在Gabor小波基础上提出的二维的Gabor均值滤波。该算法在考虑到图像像素之间关系的基础上,分别对预处理后的人脸图像进行Gabor均值运算,充分考虑了图像样本之间的类别信息,提高了图像边缘特征的提取效率,从而获得了更好的识别能力。其次,在双向2DPCA算法的基础上,提出了改进的双向2DPCA算法,该算法不是硬性地将行与列两个方向上的投影矩阵进行硬性叠加,而是对经过行变换产生的特征矩阵再直接进行列方向上的2DPCA运算,对人脸图像能够进行较好的压缩运算,提高了算法的识别能力。再次,在非线性判别分析算法的基础上,提出了核Fisher判别分析与Gabor均值相结合的人脸识别算法,核Fisher判别是在通过核函数映射成的特征空间中进行Fisher线性分析,此方法不但具有非线性地描述人脸图像的能力的能力,而且具有基于Fisher线性判别分析的类别可分性的优点。通过实验证明了以上三种算法的可行性与有效性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究现状及分析
• 1.2.1 人脸识别的研究现状
• 1.2.2 子空间方法的研究现状
• 1.3 实验人脸图像数据库
• 1.3.1 ORL 人脸数据库库
• 1.3.2 YALE 人脸数据库
• 1.3.3 FERET 人脸数据库
• 1.4 本文研究内容与结构
• 1.4.1 本文的涉及方法及研究内容
• 1.4.2 本文的内容结构
• 第2章 子空间基础上的人脸特征提取算法
• 2.1 主成分分析
• 2.2 Fisher 线性鉴别分析
• 2.2.1 经典Fisher 鉴别分析
• 2.2.2 Fisherfaces 方法
• 2.3 核方法分析
• 2.4 本章小结
• 第3章 基于二维Gabor 均值变换的人脸特征识别研究
• 3.1 引言
• 3.2 二维Gabor 小波变换的定义
• 3.3 Gabor 滤波器
• 3.3.1 Gabor 小波的性质和计算方法
• 3.3.2 Gabor 变换在人脸图像特征提取方面的应用
• 3.4 Gabor 变换的程序设计与分析
• 3.5 本章小结
• 第4章 基于Gabor 均值和2DPCA 的人脸识别
• 4.1 引言
• 4.2 二维主分量（2DPCA）的基本思想
• 4.2.1 双向2DPCA
• 4.2.2 双向2DPCA 的改进算法
• 4.3 基于最近邻分类器进行分类
• 4.4 实验结果及其分析
• 4.4.1 基于ORL 人脸数据库的实验
• 4.4.2 基于YALE 人脸数据库的实验
• 4.4.3 基于FERET 人脸数据库的实验
• 4.5 本章小结
• 第5章 基于核函数的特征提取算法
• 5.1 引言
• 5.2 Fisher 线性判别算法分析
• 5.3 核函数算法分析
• 5.4 核Fisher 算法
• 5.5 支持向量机分类器（SVM）
• 5.6 算法描述
• 5.7 实验结果与分析
• 5.7.1 基于ORL 人脸数据库的实验
• 5.7.2 基于FERET 人脸数据库的实验
• 5.7.3 基于YALE 人脸数据库的实验
• 5.8 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢