人臉圖像特征抽取與分類方法研究.pdf

1、人臉識別一直是模式識別和計算機視覺領域經久不衰的研究方向之一。人臉識別是一個典型的圖像模式分析、理解與分類計算問題，它為模式識別、計算機視覺和類腦科學等多學科提供了一個良好的具體問題，和這些學科相互促進發(fā)展。人臉識別不易干擾被測者的正常工作，具有很高的友好性。尤其當前社會公共安全問題突出，它具有實施簡易且可隱蔽進行的獨特優(yōu)勢，在身份識別、智能檢索、安全監(jiān)控以及金融等領域有重要應用價值。
　　特征抽取和分類是模式識別領域中最基本和最

2、重要的問題之一。抽取模式中的有效特征或關鍵特征是提高識別率的一種途徑，特征抽取方法主要包括特征生成、特征選擇和維數約減。在基于圖像的對象識別領域，特別是在人臉圖像識別中，由于原始的樣本圖像數目較少而維數相當高，如何提取關鍵特征進行維數約簡與識別是當前研究的一個難點與熱點問題。分類方法設計是在未知樣本分布形式的前提之下，如何利用訓練樣本追求最佳效果的分類效果。
　　圍繞人臉識別，本文主要研究工作包括:
　　(1)面向特征生成，

3、提出兩種局部Gabor紋理模式特征描述子方法用于人臉識別。
　　(2)面向特征提取，利用協(xié)同表示分類，提出了一系列協(xié)同表示特征提取方法:協(xié)同表示分析(CRA)的特征提取方法、對稱協(xié)同主成分分析(SCRA)方法、協(xié)同表示重構特征提取方法和非線性核協(xié)同表示分析方法(KCRC)方法。
　　(3)面向分類，給出了一種基于局部均值表示的分類方法(LMRC)及其核化版本，LMRC利用局部近鄰均值組建字典稀疏線性重構測試樣本。