基于曲波域与核主成分分析的人脸识别.pdfVIP

第 38卷第 10期 光电工程 V_0l38．NO．10 2011年 10月 Opto—ElectronicEngineering 0ct．20l1 文章编号 ：1003—501X(2011)1o一0098-05 基于曲波域与核主成分分析的人脸识别 王 宪，慕 鑫 ，张 彦 ，张方生，宋书林 ，平雪良，刘 浩 (轻工过程先进控制教育部莺点实验室(江南大学)，江苏 无锡 214122) 摘要：针对小波变换不能充分描述人脸曲线特征的缺点，本文提出一种基于曲波域与核主成分分析fKPcA)的人脸 识别算法。采用多尺度 、多方向的曲波(Curvelet)变换提取图像特征，不仅具有更高的逼近精度和更好的稀疏表达 能力，而且其变换系数能有效表示沿曲线的奇异性。进一步使用核主成分分析(KPCA)将曲波特征系数投影到更具 表达力的核空间中，通过最近邻分类器进行分类。并在 JAFFE人脸库中、ORL人脸库以及FERET人脸库中做 了 多组实验，实验结果表明该方法在图像降维和识别率方面都达到 了较好的效果。 关键词：人脸识别；曲波变换；核主成分分析(KPCA)；核空间 中图分类号：TP391．4l 文献标志码：A doi：10．3969~．issn．1003—501X．2011．10．016 FaceRecognitionBasedonCurveletDomainandKPCA W ANG Xian，M U Xin，ZHANG Yan，ZHANG Fang-sheng， SoNG Shu．1in，PING Xue．1iang，LIU Hao (KeyLaboratoryofAdvancedProcessControlfo，LightIndustry， MinistryofEducation(JiangnanUniversity)，Wuxi214122，JiangsuProvince，China) Abstract：Sincewavelettransform cannotfullydescribefacialcurvesfeatures，afacerecognitionalgorithm basedon curveletdomainandKernelPrincipalComponentAnalysis(KPCA)isproposed．Usingmulti—scale，multi—directional curvelettransform toextractimagefeautresnotonlyhashigherapproximationaccuracyandbe~ersparseexpression，but alsocaneffectivelyexpressthesingularityalongthecurve．Then，KPCAisusedtoprojectcurveletfeautrecoefficientinto themoreexpressivekernelspace．Finally，thenearestmethod isadoptedforclassification．Theresultsindicatethis algorithm hasbettereffectonimagedimensionreductionandfacerecognitionrateintheJAFFEfacedatabase，ORLface databaseandFERETfacedatabase． Keywords：facerecognition；curvelettransform；kernelprincipalcomponentanalysis(KPCA)；kernelspace 0 引 言 任近 20年里，人脸识别技术得到了 速 的发展。自Emmanuel和 Donoho提出脊波变换(Ridgelet Transform1