基于分?jǐn)?shù)階傅里葉變換的人臉識(shí)別.pdf

1、針對(duì)圖像和視頻流中的人臉圖像識(shí)別已經(jīng)成為研究的一大熱點(diǎn)，在電子信息、生物信息自動(dòng)識(shí)別和人機(jī)交互領(lǐng)域等得到了廣泛的應(yīng)用。近年來(lái)，學(xué)術(shù)界和工業(yè)界提出了許多人臉識(shí)別算法。目前，盡管人們可以在實(shí)驗(yàn)環(huán)境條件下很好的對(duì)人臉圖像進(jìn)行檢測(cè)和識(shí)別，但在現(xiàn)實(shí)的環(huán)境下自動(dòng)檢測(cè)和自動(dòng)識(shí)別仍是一個(gè)巨大的挑戰(zhàn)。目前，人臉識(shí)別領(lǐng)域面臨的挑戰(zhàn)主要來(lái)自光照、觀察視角、面部表情、年齡以及類如毛發(fā)、眼鏡和面部飾物等遮擋因素。分?jǐn)?shù)階傅里葉變換作為傅里葉變換的廣義形式，可以認(rèn)為

2、對(duì)信號(hào)在時(shí)頻軸任意角度的逆時(shí)針旋轉(zhuǎn)。人臉圖像通過(guò)分?jǐn)?shù)階傅里葉變換被映射到時(shí)頻域空間，實(shí)現(xiàn)信號(hào)時(shí)頻域展開(kāi)，同時(shí)不同階次分?jǐn)?shù)階傅里葉變換對(duì)應(yīng)不同的時(shí)頻域，有利于提取人臉圖像面部特征和最后的人臉識(shí)別。因此，F(xiàn)rFT不僅實(shí)現(xiàn)傳統(tǒng)傅里葉變換的功能，而且更具有普適性和靈活性。本研究主要內(nèi)容包括：
　?、盘岢隽嘶诰植糠?jǐn)?shù)階傅里葉變換直方圖序列的人臉描述識(shí)別算法。鑒于分?jǐn)?shù)階傅里葉變換和局部二值模式(Local binary pattern, L

3、BP)對(duì)光照、噪聲等因素的魯棒性，很好地提高了人臉識(shí)別率。首先，對(duì)一張人臉圖像2D-FrFT和LBP編碼分?jǐn)?shù)階域的幅度和相位；其次，編碼后紋理圖劃為無(wú)重疊的區(qū)域和統(tǒng)計(jì)每個(gè)區(qū)域的直方圖，最后將這張人臉圖像所有區(qū)域的統(tǒng)計(jì)直方圖串聯(lián)。此外，本文引入貪婪算法對(duì)參數(shù)分?jǐn)?shù)階變換階次進(jìn)行選擇。公共數(shù)據(jù)庫(kù)上的仿真證明了本文算法的有效性。
　?、铺岢龌谙∈鑀CA的多階次分?jǐn)?shù)階傅里葉變換。鑒于分?jǐn)?shù)階傅里葉變換對(duì)光照、表情的魯棒性，并已在圖像處理領(lǐng)域

4、得到應(yīng)用，首先，F(xiàn)rFT幅度隨階次的變換呈現(xiàn)壓縮性，而稀疏PCA提取其主要信息且分為主要信息域和次要信息域，融合二者的互補(bǔ)信息組成混合幅度特征，然后融合混合幅度特征、實(shí)部特征和虛部特征，最后融合不同階次下FrFT域特征。此外該文提出基于貪婪算法的分?jǐn)?shù)階階次選擇算法和基于Fisherfaces的權(quán)重方法。ORL和AR人臉數(shù)據(jù)庫(kù)上的仿真證明了本算法的有效性。
　?、嵌嗄B(tài)稀疏識(shí)別引入確定性遮擋詞典對(duì)遮擋人臉圖像稀疏編碼，從而取得了魯棒

5、性的人臉識(shí)別效果。然而，其遮擋詞典必須滿足正交性及設(shè)定合理遮擋詞典的困難性，此外，分?jǐn)?shù)階傅里葉變換對(duì)人臉圖像噪聲的魯棒性，提出基于分?jǐn)?shù)階域幅度的局部稀疏表示和魯棒主成分分析法相結(jié)合的人臉遮擋識(shí)別算法。文章首先對(duì)人臉圖像2D-FRFT變換并任意性劃分得到待選區(qū)域片，然后對(duì)多個(gè)區(qū)域片聯(lián)合稀疏表示，同時(shí)魯棒主成分分析法參與其稀疏表示計(jì)算最佳的遮擋詞典并減弱遮擋、光照、表情等干擾影響。此外，提出基于最大相似度片選算法選擇最佳的區(qū)域片集合和基于稀