基于非采樣Contourlet變換的人臉識(shí)別技術(shù)研究.pdf

1、人臉識(shí)別是生物特征識(shí)別中的一項(xiàng)關(guān)鍵技術(shù),在模式識(shí)別、圖像處理和計(jì)算機(jī)視覺中已經(jīng)成為一個(gè)十分重要的研究方向,研究識(shí)別率高的人臉識(shí)別算法具有重要的理論研究意義和商業(yè)應(yīng)用價(jià)值。伴隨著信息技術(shù)的發(fā)展,人臉識(shí)別技術(shù)在身份識(shí)別、公共安全、人機(jī)交互、智能空間和視頻監(jiān)控等領(lǐng)域發(fā)揮著越來越重要的作用。
　　 本文首先研究了基于Contourlet變換(CT)的人臉識(shí)別技術(shù)。利用Contourlet變換對(duì)人臉圖像進(jìn)行分解,得到多尺度和多方向信息的C

2、ontourlet系數(shù)。研究表明,低頻系數(shù)能夠很好的描繪人臉的基本特征。同時(shí)高頻系數(shù)反映的是圖像的輪廓和方向信息,它對(duì)于圖像的光照變化不是很敏感,具有一定的識(shí)別特性。因此,在本文的人臉識(shí)別算法中既選擇了低頻系數(shù)也選擇了高頻系數(shù)來進(jìn)行研究:①選擇低頻系數(shù)和部分高頻方向信息作為人臉特征,利用支持向量機(jī)(SVM)分類器對(duì)提取的人臉特征進(jìn)行訓(xùn)練和測(cè)試,從而實(shí)現(xiàn)人臉識(shí)別的目標(biāo);②選擇低頻系數(shù)和全部高頻方向信息作為人臉特征,利用主成份分析(PCA)

3、對(duì)人臉特征進(jìn)行降維處理,降維之后的人臉特征可以用于人臉識(shí)別。實(shí)驗(yàn)結(jié)果證明,該方法能夠有效的提高人臉識(shí)別的效率和識(shí)別率。
　　 在上述方法的基礎(chǔ)上,本文提出了基于非采樣Contourlet變換(NSCT)的人臉識(shí)別算法。非采樣Contourlet變換不僅具有Contourlet變換的性質(zhì),同時(shí)它還具有平移不變性,能夠避免在圖像的奇異點(diǎn)處產(chǎn)生偽吉普斯現(xiàn)象,使得分解之后的方向系數(shù)更加準(zhǔn)確。由于NSCT是非采樣分解,因此圖像經(jīng)過NSCT

4、分解之后得到的系數(shù)特征維數(shù)比原來圖像的維數(shù)大很多。為了解決維數(shù)過高的問題,本文利用小波融合技術(shù)將NSCT分解之后的低頻系數(shù)和高頻系數(shù)融合到一起,這樣可以有效地解決人臉特征維數(shù)過高的問題。將小波融合之后的人臉特征進(jìn)行SVM訓(xùn)練和測(cè)試,從而實(shí)現(xiàn)了人臉識(shí)別算法。實(shí)驗(yàn)結(jié)果表明,該方法具有很好的人臉識(shí)別率。同樣,將小波融合之后的人臉特征進(jìn)行PCA處理也取得了很好的效果。
　　 綜上所述,本文在研究了基于Contourlet變換的人臉識(shí)別方