基于集成局部分塊線性判別分析的人臉識別.pdf

1、近幾年人臉識別越來越受到人們的關注和重視,許多研究機構和個人都投入了大量的研究,提出了一些新的識別算法,但是大量的測試和實踐表明,要實現(xiàn)真正實用的人臉識別系統(tǒng)還有大量的問題有待解決,目前人臉識別性能主要受到表情、光照、姿態(tài)、年齡、背景、圖像質(zhì)量和計算復雜度等問題的影響。本文針對光照、計算復雜度等問題的研究,主要取得了以下幾個方面的創(chuàng)新性成果:
　　 (1)運用圖像均勻分塊的Gabor特征提取及其集成方法。Gabor小波具有較好的

2、生物視覺特性,能夠很好的提取人臉圖像的紋理特征,被認為是最好的人臉表示方法之一,但是Gabor特征維數(shù)過高,不利于后續(xù)處理,本文使用均勻分塊的方式對Gabor特征進行分組,塊與塊之間允許重疊,對于每一組特征單獨使用主成分分析和線性判別分析設計分類器,這樣不僅降低了特征維數(shù),而且使用多分類器集成的方法能夠提高算法的分類能力。針對人臉不同部位產(chǎn)生的分類器的分類能力應該是有差別的,例如包含眼睛、鼻子、嘴巴等重要器官的圖像子塊分類能力明顯要強于

3、其他子塊,因此需要給不同的子分類器分配不同的權重,本文使用訓練樣本集每個圖像子塊特征向量的類間差與類內(nèi)差的比值作為各個子分類器的權值加權集成多分類器：
　　 (2)提出使用對數(shù)轉換和局部歸一化相結合的光照預處理方法。大量實驗表明光照是影響人臉識別的關鍵因素,如何消除光照變化對人臉圖像的影響也是目前研究最多的問題之一。對數(shù)轉換能夠擴展圖像的低灰度區(qū)域和壓縮圖像的高灰度區(qū)域,使整幅圖像的灰度分布更加均勻,削弱光照變化的影響;局部歸一

4、化能夠提取人臉圖像與光照無關的特征,但是在實際使用中會受到局部窗口內(nèi)高低灰度值差異的影響。本文分析了兩種預處理方法的優(yōu)缺點,提出對數(shù)轉換結合局部歸一化的預處理方法,并通過實驗結果說明了該方法的有效性;
　　 (3)提出使用類內(nèi)加權的線性判別分析改進算法。線性判別分析是一種以分類為目的人臉特征提取方法,但是傳統(tǒng)的線性判別分析認為所有人臉圖像對分類的貢獻都是一樣的,沒有考慮邊緣類的影響,本文通過對類內(nèi)協(xié)方差矩陣加權的方式,在一定程度