基于Contourlet變換和子空間分析的人臉識別技術研究.pdf

1、在基于生物特征識別技術的身份認證中，人臉識別是最主要的方法之一，已經(jīng)成為當前模式識別和人工智能領域研究的熱點，探索高識別率的人臉識別算法具有重要的理論意義和應用價值。
　　 小波分析是信號處理的有效方式，是目前國際上公認的信息獲取與處理領域的新技術。小波能從信號中提取有用的信息成分，是各種信號處理方法(如多尺度分析、時頻分析和子帶編碼)的統(tǒng)一處理框架。小波分析在一維時具有優(yōu)異的特性，但是，這種優(yōu)異特性不能簡單地推廣到二維或更高維

2、。在高維空間中，多尺度幾何分析擁有更明顯的優(yōu)勢。
　　 Contourlet變換是一種新的多尺度幾何分析方法，它不僅具有小波變換的多分辨率特性和時頻局域特性，還具有很強的方向性和各向異性。子空間方法具有計算代價小、描述能力強、可分性好等特點，現(xiàn)已經(jīng)成為人臉識別的主流方法。
　　 本文提出基于Contourlet變換和主成分分析(PCA)的人臉識別方法，研究Contourlet變換的低頻系數(shù)與PCA相結合的識別率；同時提出

3、基于Contourlet變換和核Fisher判別分析的人臉識別方法，研究Contourlet變換的低頻系數(shù)、各層高頻系數(shù)與核Fisher判別分析相結合進行人臉識別的識別率和識別時間。實驗表明，Contourlet變換與PCA相結合，可獲得優(yōu)異的識別率；Contourlet變換的低頻系數(shù)與核Fisher判別分析相結合，在獲得優(yōu)異的識別率的同時也減少了識別時間；高頻成分有一定的識別性能，但識別率較低。將低頻成分與高頻方向子帶相結合能獲得最優(yōu)