基于分塊小波包變換和(2D)2PCA的人臉識(shí)別算法.pdf

1、人臉識(shí)別技術(shù)是生物特征識(shí)別技術(shù)中研究最多最活躍的領(lǐng)域之一,它具有友好、直觀、易于接受、可隱蔽性操作等優(yōu)點(diǎn)。由于人臉部所處環(huán)境、自身表情以及臉部姿態(tài)變化的復(fù)雜多樣性,當(dāng)前人臉識(shí)別仍然是一個(gè)十分重要的鉆研課題。
　　經(jīng)過(guò)幾十年的發(fā)展,在人臉識(shí)別技術(shù)中逐漸形成了多種人臉識(shí)別算法。算法的關(guān)鍵是能否有效地提取出人臉圖像的特征,不同的人臉圖像特征對(duì)應(yīng)的人臉識(shí)別系統(tǒng)的識(shí)別準(zhǔn)確率、計(jì)算復(fù)雜度和魯棒性是不一樣的。本文首先系統(tǒng)地總結(jié)了前人的研究成果及

2、各種算法的優(yōu)缺點(diǎn),并在此基礎(chǔ)上提出了一種基于分塊小波包變換和(2D)2PCA的新的人臉識(shí)別算法。本文主要工作內(nèi)容如下:
　　(1)將圖像分塊思想應(yīng)用于人臉識(shí)別,對(duì)預(yù)處理后的人臉圖像進(jìn)行合理的分塊,從而增強(qiáng)算法的魯棒性。
　　(2)在特征提取的過(guò)程中,將小波包變換與(2D)2PCA結(jié)合使用。首先對(duì)分塊后的人臉圖像進(jìn)行小波包分解,然后運(yùn)用(2D)2PCA分別對(duì)各子塊最優(yōu)節(jié)點(diǎn)的融合圖像進(jìn)行特征提取。
　　(3)在小波包分解后

3、最優(yōu)節(jié)點(diǎn)的選取問(wèn)題上,本文提出了按各節(jié)點(diǎn)圖像的識(shí)別準(zhǔn)確率高低選取最優(yōu)節(jié)點(diǎn)的辦法。即計(jì)算每一子塊經(jīng)過(guò)小波包變換后所有葉節(jié)點(diǎn)圖像的識(shí)別準(zhǔn)確率,從中選取前五個(gè)最大識(shí)別準(zhǔn)確率對(duì)應(yīng)的葉節(jié)點(diǎn)加權(quán)融合。在權(quán)值的選取問(wèn)題上,本文提出直接用各節(jié)點(diǎn)的識(shí)別率作為權(quán)值進(jìn)行圖像融合的方法。
　　(4)對(duì)算法的有效性進(jìn)行研究。實(shí)驗(yàn)中,在標(biāo)準(zhǔn)的ORL人臉數(shù)據(jù)庫(kù)上將本文算法與PCA、2DPCA、(2D)2PCA、WT-(2D)2PCA四種算法的識(shí)別準(zhǔn)確率進(jìn)行對(duì)比

4、,驗(yàn)證了本文算法的識(shí)別效果優(yōu)于其它四種算法。
　　(5)對(duì)算法的相關(guān)參數(shù)進(jìn)行研究。實(shí)驗(yàn)中分別對(duì)算法涉及的圖像分塊方式、小波基函數(shù)的選擇、分解層數(shù)以及訓(xùn)練測(cè)試樣本數(shù)目比進(jìn)行討論,并總結(jié)出當(dāng)對(duì)圖像進(jìn)行2×2分塊、選用db4小波基函數(shù)進(jìn)行2層WPD、訓(xùn)練測(cè)試樣本比6:4時(shí)能夠得到最高為98.125％的識(shí)別準(zhǔn)確率。
　　(6)對(duì)算法的魯棒性進(jìn)行研究。分別在標(biāo)準(zhǔn)的Yale、Yale B和UMIST三個(gè)人臉數(shù)據(jù)庫(kù)上研究了算法對(duì)面部表情、