基于塊內(nèi)相關(guān)性的2DPCA人臉識(shí)別方法.pdf

1、主元分析(PCA)方法是一種常用的人臉識(shí)別方法。由于PCA方法需要將圖像從二維矩陣轉(zhuǎn)化為一維向量，構(gòu)造出巨大的協(xié)方差矩陣，并求解其特征值與特征向量，長期以來一直受到高計(jì)算復(fù)雜性的困擾。近年來出現(xiàn)的二維主元分析(2DPCA)人臉識(shí)別方法，可以利用二維圖像矩陣直接構(gòu)造出協(xié)方差矩陣，不但避免了龐大的運(yùn)算量，運(yùn)算時(shí)間大約是PCA方法的1/4～1/20，而且其識(shí)別率明顯高于PCA方法，一般有大于5﹪的顯著提升。 通過對2DPCA的數(shù)學(xué)分析

2、可以發(fā)現(xiàn)，2DPCA方法是利用圖像矩陣同一行像素之間的相關(guān)性來構(gòu)造協(xié)方差矩陣的，其實(shí)質(zhì)是一種基于行分塊PCA方法.對于人臉圖像來說，圖像矩陣同一行像素之間的相關(guān)性沒有同一個(gè)局部塊像素之間的相關(guān)性強(qiáng)，而且人臉圖像的一個(gè)局部塊通常表示一個(gè)完整的語義，如鼻子、眼睛、嘴巴等等。然而，2DPCA方法完全拋棄了圖像矩陣行與行之間像素的相關(guān)性信息，割裂了人臉局部區(qū)域內(nèi)的各個(gè)像素之間的相關(guān)性，因而難以表征人臉的局部特征。針對2DPCA方法的缺陷，本文提

3、出了兩種改進(jìn)方法：基于結(jié)構(gòu)分塊的2DPCA方法和基于塊內(nèi)相關(guān)性的2DPCA方法。 基于結(jié)構(gòu)分塊的2DPCA方法，是針對不完整人臉圖像的識(shí)別問題而提出的，其基本思想是：將人臉圖像分割為互不重疊的圖像塊，用2DPCA方法分別計(jì)算各個(gè)圖像塊的主元，這些主元反映了人臉的結(jié)構(gòu)特征，本文中稱之為結(jié)構(gòu)主元。這種方法結(jié)合了統(tǒng)計(jì)模式識(shí)別與結(jié)構(gòu)模式識(shí)別的優(yōu)點(diǎn)，通過調(diào)整各圖像塊的加權(quán)系數(shù)，可應(yīng)用于各種不完整人臉圖像的識(shí)別。實(shí)驗(yàn)結(jié)果表明，在選取較少主元

4、數(shù)目的情況下，基于結(jié)構(gòu)分塊的2DPCA方法的人臉識(shí)別率與2DPCA方法相比大約有3﹪～7﹪的提升。 基于塊內(nèi)相關(guān)性的2DPCA方法的基本思想是：對人臉圖像進(jìn)行分塊，然后把圖像塊內(nèi)的像素轉(zhuǎn)化為行向量，再把這些行向量按圖像塊的順序排列成新的圖像矩陣，最后對這些新的圖像矩陣采用2DPCA方法進(jìn)行人臉識(shí)別。這種方法不但保留了2DPCA方法低計(jì)算復(fù)雜度的優(yōu)點(diǎn)，而且能夠充分地利用圖像行與列像素之間的相關(guān)性信息，克服了2DPCA方法的不足。實(shí)