融合小波变换和改进KFD的人脸识别方法.pdfVIP

第39卷第3期 光电工程 、，o1．39．NO-3 2012年 3月 Opto—ElectronicEngineering March，2012 文章编号：1003—501x(2012)03—0094—06 融合小波变换和改进KFD的人脸识别方法 朱冰莲，杨吉祥，许 娜，张 磊 (重庆大学 通信工程学院，重庆 400044) 摘要：基于核函数的 Fisher判别分析(KFD)在人脸识别中通常采用高斯径向基函数做核函数，但核函数中参数 的选取对分类效果影响较大。目前参数 的选取一般仅凭经验，且该方法在处理大样本时，速度较慢。针对这个 问题，本文提出了一种融合小波变换和改进KFD的人脸识别的方法。该方法首先用小波变换降低样本的维数；然 后在用KFD进行特征提取时，采用微粒群算法自动获取一个最优参数 增强分类效果；最后用 SVM分类器完 成特征的识别。实验表明，该方法与传统的KFD相比较，运算时间减少，而且识别率得到提高。 关键词：核函数；人脸识别；小波变换；微粒群算法；SVM 分类器 中图分类号：TN391．41 文献标志码：A doi：10．3969／j．issn．1003—501X．2012．03．017 FaceRecognitionBasedonW aveletTransform andImprovedKFD ZHU Bing—lian，YANGJi-xiang，XU Na，ZHANG Lei (CollegeofCommunicationEngineering，ChongqingUniversity，Chongqing400044，China) Abstract：Gaussianradialbasisfunction isusually applied asthekernelfunction ofthekernelfisherdiscriminant analysis(KFD)infacerecognitionapplication．However,theparameter~ofthekernelfunctionhasagreatimpactOffthe classification．Atpresent，theparameterisusuallyselectedbasedonexperience，andtheprocessofKFD coststoomuch timefordealingwithalargenumberofsamples．Tosolvetheseproblems，amethodoffacerecognitionispresentedbased onwavelettransform andimprovedKFD．Itemployswavelettransfomr tocompressthedataoffaceimage．Anditapplies PSO algorithm toautomaticallyobtaintheparametertoenhancetheabilityofclassificationwhenKFD isemployedto completefeatureextraction．Finally，supportvectormachineisusedofrclassification．Numericalexperimentalresults showthatthemethodhasabetteroperationalefficiencyandmoreaccuraterecognitionratethanthetraditionalmethodof KFD． Keywords：kemelfunction；facerecognition；wavelettransfomr ；PSO algorithm；supportvectormachine 0 引 言 人脸识别是模式识别研究领域的重要课题，也是一个 目前非常活跃的研