人臉識別中圖像特征提取與匹配技術(shù)研究.pdf

1、伴隨信息技術(shù)、人工智能、模式識別、計算機視覺等新技術(shù)的快速發(fā)展，人臉識別已被廣泛應用在公共安全、信息安全、金融等領(lǐng)域，近幾年已成為圖像處理等領(lǐng)域的研究熱點課題之一。對于一個人臉識別系統(tǒng)，圖像匹配的目的是把通過不同傳感器、不同時間拍攝、不同視覺的人臉圖像統(tǒng)一到一個框架下，便于后續(xù)的特征提取和識別。人臉面部的特征提取是實現(xiàn)人臉識別技術(shù)的前提和基礎，因此研究高效且魯棒性更好的特征提取方法具有十分重要的現(xiàn)實意義。
　　本論文以特征提取方法

2、和圖像匹配技術(shù)為研究目標，以人臉識別為應用背景，針對不同的特征提取方法進行深入探討和研究，所提出的一些改進算法能有效地提高人臉識別率。主要研究內(nèi)容和成果包括:
　　(1)圖像匹配的目的是把兩幅或多幅圖像在空間上進行對準，以確定它們之間存在某種變換關(guān)系的過程，這些圖像是在不同時間、不同傳感器和不同視角下拍攝得到的。針對圖像匹配技術(shù)，本文闡述了它的基本定義、流程以及相關(guān)的匹配方法，在詳細研究基礎上提出了一種基于投影熵的圖像匹配技術(shù)。<

3、br>　　(2)針對直接采用奇異值分解(Singular Value Decomposition，SVD)中的奇異值向量進行人臉識別的識別率較低問題，本文采用基于類估計基空間的改進SVD計算人臉圖像的奇異值特征向量，為了降低光照、表情、噪聲、姿態(tài)等多因素的影響，提出了一種融合多尺度全局特征和局部特征的人臉特征表示方法。在得到多尺度融合人臉特征基礎上采用粗糙集約簡算法進行特征選擇，最后把選擇的特征作為SVM分類器的輸入從而進行人臉識別。實

4、驗結(jié)果表明，多尺度下融合全局特征和局部特征的識別方法是一種更有效的特征提取方法。
　　(3)針對人臉識別中的光照問題，分析一些傳統(tǒng)光照處理方法，深入研究和分析基于全變分模型(Total variation model，TV)的光照處理算法。本文在研究全變分模型的基礎上，采用L1范數(shù)優(yōu)化技術(shù)并結(jié)合Bregman迭代算法求解反射系數(shù)。為了提高模型的處理速度，采用基于多分辨率的處理方法從粗糙到精細的逐步迭代求解過程，最后結(jié)合分塊PCA方

5、法提取人臉面部的局部特征，使得局部特征更能充分表征和描述圖像間的差異性和相似性。實驗結(jié)果表明，該方法能更有效地提取人臉圖像的局部特征，更準確地表征人臉面部的結(jié)構(gòu)特征和紋理信息。
　　(4)針對經(jīng)典主動形狀模型(Active shape model，ASM)直接采用灰度值信息構(gòu)建局部輪廓模型，灰度值對光照、噪聲等因素是十分敏感的，本文采用每個像素點的邊緣結(jié)構(gòu)方向代替灰度值構(gòu)建局部輪廓模型，提出了一種改進的局部輪廓模型建立方法。該方法

6、在法線方向的兩側(cè)采樣灰度點，在每個灰度點的鄰域內(nèi)再采樣若干點，能充分有效地利用每個采樣點以及它所在鄰域內(nèi)點的灰度分布信息。實驗結(jié)果表明，改進ASM方法取得了較好的特征點定位結(jié)果，基于改進ASM特征提取的人臉識別率也有較大提高。
　　(5)針對經(jīng)典ASM采用PCA變換獲得形狀主成分向量并結(jié)合形狀參數(shù)建立一個線性統(tǒng)計形狀模型，傳統(tǒng)PCA方法不能實時有效地更新模型中的協(xié)方差矩陣和平均紋理輪廓。本文提出一種改進的ASM方法，該方法采用增量

7、子空間學習方法更新圖像訓練集的特征空間，不斷更新的特征空間能很好地描述圖像之間特征結(jié)構(gòu)信息。實驗結(jié)果表明，改進的方法可以有效提高人臉特征點的定位精度，提高人臉識別的識別率。
　　本論文通過對人臉識別中特征提取方法和圖像匹配技術(shù)的研究，提出了一些改進的特征提取和識別方法。深入分析基于奇異值的人臉識別方法，提出了一種融合多尺度全局特征和局部特征的人臉識別方法。針對人臉識別中的光照問題，構(gòu)造一種基于全變分模型且魯棒性更好的特征提取方法。