基于圖像統(tǒng)計(jì)特征的人臉識(shí)別研究.pdf

1、人臉識(shí)別技術(shù)是目前生物特征識(shí)別中最受人們關(guān)注的一個(gè)分支，是計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域非?；钴S的一個(gè)研究方向。人臉圖像的特征提取是人臉識(shí)別技術(shù)非常重要的組成部分，對(duì)于識(shí)別效果起著舉足輕重的作用。其中基于統(tǒng)計(jì)特征(代數(shù)特征)的識(shí)別方法由于具有一定的穩(wěn)定性和較快的識(shí)別速度而受到較大的關(guān)注。
　　 本文首先實(shí)現(xiàn)了三種經(jīng)典的基于統(tǒng)計(jì)特征的人臉識(shí)別方法即特征臉?lè)?、Fisher線性判別分析法和奇異值分解法，并將其在同一人臉庫(kù)上的實(shí)驗(yàn)結(jié)果進(jìn)行了比

2、較，對(duì)前人的一些結(jié)論進(jìn)行了驗(yàn)證。
　　 其次，本文對(duì)Fisher線性判別分析法進(jìn)行了更深一步的研究。先是用程序?qū)崿F(xiàn)了兩種前人提出的最優(yōu)鑒別矢量集的求解，并通過(guò)對(duì)比發(fā)現(xiàn)，利用最優(yōu)鑒別矢量集提取圖像特征進(jìn)行分類識(shí)別，效果明顯好于僅僅用單個(gè)鑒別矢量。然而，在用文獻(xiàn)[78]提出的方法求解最優(yōu)鑒別矢量集時(shí)，發(fā)現(xiàn)文獻(xiàn)[78]的方法存在一定的缺陷和不足。在此基礎(chǔ)上，本文對(duì)基于Fisher判別準(zhǔn)則的最優(yōu)鑒別矢量集求解算法進(jìn)行了改進(jìn)，使得改進(jìn)后的

3、方法能更有效的進(jìn)行識(shí)別。
　　 最后，對(duì)人臉圖像矩陣分解出奇異值向量進(jìn)行了統(tǒng)計(jì)分析與比較，證明了奇異值特征向量是圖像灰度信息的表征，分析總結(jié)了奇異值與圖像灰度的分布關(guān)系，即最大奇異值反映了圖像灰度范圍的位置，其他奇異值反映了灰度范圍的寬度；找出了直接用奇異值特征向量作為特征進(jìn)行分類存在的不足。進(jìn)而，又對(duì)圖像矩陣分解出的左右正交特征矩陣進(jìn)行了研究，證實(shí)了圖像的基空間決定了圖像輪廓結(jié)構(gòu)。在此基礎(chǔ)上提出了基空間的人臉識(shí)別算法，并通過(guò)實(shí)