混合噪聲人臉識(shí)別研究.pdf

1、因?yàn)槿四樀姆€(wěn)定性、非侵犯性、安全性等特點(diǎn)，人臉識(shí)別一直是學(xué)者們研究的熱點(diǎn)。與其他人體生物特征識(shí)別方式相比,人臉識(shí)別具有方式友好,采樣方便,無(wú)需接觸等許多優(yōu)點(diǎn),并且，人臉特征具有很強(qiáng)的自身穩(wěn)定性和個(gè)體差異性，是身份驗(yàn)證的理想依據(jù)，所以，對(duì)人臉識(shí)別研究具有重要的學(xué)術(shù)研究?jī)r(jià)值和廣泛的應(yīng)用前景。但目前大多數(shù)研究都只針對(duì)單噪聲人臉圖像的預(yù)處理、特征提取、識(shí)別與分類(lèi)，而實(shí)際采集到的圖像信號(hào)還受到椒鹽噪聲、高斯噪聲等混合噪聲的影響。
　　作為人

2、臉識(shí)別的關(guān)鍵環(huán)節(jié)，預(yù)處理主要包括降噪、定位和歸一化等操作。降噪方面的方法主要包括硬閾值、軟閾值和半軟閾值，但該類(lèi)方法仍舊存在兩方面的問(wèn)題：一是閾值函數(shù)連續(xù)性；二是估計(jì)小波系數(shù)與含噪信號(hào)小波系數(shù)之間存在恒定偏差的問(wèn)題（簡(jiǎn)稱“恒定偏差問(wèn)題”）。針對(duì)此類(lèi)方法的不足之處，人們提出了很多改進(jìn)方案，但仍未完全解決問(wèn)題，要么只解決恒定偏差問(wèn)題；要么只解決函數(shù)連續(xù)性問(wèn)題。為了克服上述存在的問(wèn)題，本文著重研究椒鹽噪聲和高斯噪聲構(gòu)成的混合噪聲人臉識(shí)別問(wèn)題。

3、為了模擬現(xiàn)實(shí)中噪聲的異常干擾，本文對(duì)數(shù)據(jù)庫(kù)中的人臉圖像添加了高斯和椒鹽兩種隨即噪聲，首先提出一種改進(jìn)閾值降噪函數(shù)，完全解決傳統(tǒng)降噪法的兩大問(wèn)題，并對(duì)比分析去除椒鹽噪聲和高斯噪聲兩種混合噪聲的降噪效果。
　　人眼定位是人臉識(shí)別系統(tǒng)較為關(guān)鍵的環(huán)節(jié)，它會(huì)影響到后期的特征提取與識(shí)別率。目前的很多人眼定位實(shí)驗(yàn)都假定面部關(guān)鍵特征點(diǎn)是已給定的，或在條件允許情況下要求用戶進(jìn)行一定程度的交互，目前還缺乏一個(gè)通用而又完善的人眼定位模版。為此，本文提出

4、了加權(quán)混合投影函數(shù)，它能快速地實(shí)現(xiàn)人臉姿態(tài)、光照變化及佩戴眼鏡下的眼部定位。人臉圖像特征提取對(duì)于人臉識(shí)別的魯棒性和效率都有著決定性作用，故人臉識(shí)別過(guò)程中，特征提取是至關(guān)重要的一個(gè)步驟，而所提取特征的好壞與特征提取方法和前期圖像預(yù)處理工作有緊密聯(lián)系，為了提取有效分類(lèi)特征，本文結(jié)合運(yùn)用了2DPCA_LDA和ILPP特征提取算法提取具有較高的實(shí)用價(jià)值的人臉特征，能根據(jù)不同板塊的需求更精確地提取全局或局部特征；最后采用SVM分類(lèi)器對(duì)前期處理后的