基于四元數(shù)小波幅值相位特征的人臉識別方法.pdf

1、人臉識別是一個典型的圖像理解與模式分類問題，在信息安全、刑事偵破和出入口控制等領(lǐng)域有著廣泛的應(yīng)用前景。經(jīng)過近幾十年的發(fā)展，人臉識別技術(shù)取得了長足的進步。目前最好的人臉識別系統(tǒng)在受控條件下已經(jīng)能夠取得較好的識別性能，但測試和實踐經(jīng)驗表明：非理想條件下(光照、表情和姿勢變化等)的人臉識別技術(shù)尚未成熟。Gabor小波變換具有良好的空間局部性和方向選擇性，是一種良好的人臉描述方法，所以被廣泛應(yīng)用于人臉識別領(lǐng)域。Gabor小波變換處理人臉圖像有很

2、多優(yōu)勢，但是計算Gabor特征時具有較高的計算復(fù)雜度并需要大量的存儲空間。本文研究主要貢獻在于：將四元數(shù)小波幅值相位特征應(yīng)用到人臉識別，與傳統(tǒng)Gabor小波變換比較，具有明顯較低的時間復(fù)雜度，更有利于實際應(yīng)用。
　　本文首先研究了四元數(shù)小波變換的結(jié)構(gòu)和緊標(biāo)架、實信號的四元數(shù)小波變換及其相位特性，在此基礎(chǔ)上提出了QWT幅值/相位特征人臉表示方法。該方法將四元數(shù)代數(shù)和小波理論結(jié)合，有良好的時移不變性，可以提取一個幅值和三個相位信息，從

3、而對人臉表情及光照變化有較好的不敏感性。采用分塊投票策略將幅值/相位矩陣分成若干子塊，對每個子塊根據(jù)最近鄰原則進行分類，并對各子塊分類結(jié)果進行投票以實現(xiàn)人臉圖像的最終識別。
　　與PCA比較，本文方法在 Indian、Yale、ORL、YaleB擴展數(shù)據(jù)庫和CMU-PIE數(shù)據(jù)庫的識別率分別高出14.8％、31.5%、9.9%、13%和3.4%。在ORL數(shù)據(jù)庫，本文方法識別率略高于 LDA方法；在 Indian、Yale、YaleB

4、擴展數(shù)據(jù)庫和CMU-PIE數(shù)據(jù)庫，本文方法都具有更高的識別率。在FERET'96數(shù)據(jù)庫四個測試子集(Fb、Fc、DupI和DupII)，本文方法的識別結(jié)果分別為94.1%、56.7%、58.1%和47.1%。雖然EBGM在測試集Fc上識別精度高于本文方法，但是本文方法在其它三個子集上高于 EBGM而且有較少的可調(diào)參數(shù)和較低的計算復(fù)雜度。選取FERET'96數(shù)據(jù)庫中任意一幅人臉圖像進行識別，像素大小為64×64時QWT完成特征提取的運行時

5、間只有0.047s，而Gabor小波變換為0.566s。另外，采用七種不同的光照補償方法在光照明顯變化的YaleB擴展數(shù)據(jù)庫和FERET'96數(shù)據(jù)庫上對人臉圖像進行預(yù)處理，驗證了本文方法結(jié)合可控濾波器和基于離散余弦變換的歸一化技術(shù)后的人臉識別率明顯提高。
　　研究結(jié)果表明本文提出的人臉識別方法不但可以獲得很好的光照、表情以及姿勢變化的魯棒性而且識別精度比傳統(tǒng)方法有了較大的提高，計算復(fù)雜度較低。該算法在圖像配準(zhǔn)、人臉檢測和人臉特征定