小波包在人臉識別中的應用.pdf

1、人臉識別是模式識別領域的一個重要研究課題.但人臉圖像是一種非平穩(wěn)信號,用于分類的特征往往包含在局部的時頻信息中,用一般的變換方法提取有效特征比較困難.小波變換是近年來發(fā)展起來的一種分析非平穩(wěn)信號的有效方法,而且可以獲得與人的視覺特性更為接近的多尺度的提取特征的效果,于是小波被人們應用于人臉識別中.而小波包變換具有任意的多尺度分解特性,可以提供更豐富的基以供分類選擇.本文把原始的基于小波包進行特征提取的方法(Local Discrimin

2、ant Basis,LDB)應用于人臉識別之中,并主要做了以下三方面的工作:(1)原始的LDB以類能量的差異為判據選擇最優(yōu)基及其小波包系數特征,這個判據并不是模式分類問題中的最佳判據,針對這個問題本文系統(tǒng)研究了各種可分性判據,并提出了在LDB中更有效的判據.(2)因為前d個單獨最有效的特征并不一定是最有效的(數量為d的)特征組合,對不滿足線性可加的判據,本文引入遺傳算法尋找最優(yōu)特征組合,去掉一些對分類無用或者有害的特征.(3)用LDB所

3、選取的特征仍然比較大量,而且受光照姿勢的影響仍然比較大,本文用基于Fisher準則的方法把LDB所提取的特征再進行線性重組,進一步降維,并且在盡量保持類間差異的同時壓制了類內的差異.在ORL數據庫上隨機選取每人5幅人臉圖像做訓練,剩余的用來識別,進行50次實驗取平均識別率,特征臉方法是93.14﹪,Fisher臉方法是91.20﹪,原始的LDB方法是96.14﹪,而本文提出的新的LDB的方法達到了97.77﹪.在Feret數據庫中,特征