一种小波树和非参数鉴别分析的人脸识别.pdfVIP

第28卷第6期 兰州文理学院学报(自然科学版) V01．28No．6 2014年11月 ofLanzhou ofArtsandScience(NaturalSciences) NOV．2014 Journal University 文章编号：2095—6991(2014}06—0035—05 一种小波树和非参数鉴别分析的人脸识别 刘悦婷 (兰州文理学院电子信息工程学院，甘肃兰州730000) 摘 要：结合小波树和子空间分析中的非参数鉴别分析，提出了基于小波树和非参数鉴别分析的人脸识别算法 (WANDA)．该算法先利用小波变换公式，在人脸图像上计算出一个小波近似分量和三个细节分量；然后对小 波近似分量进行二次小波分解，相应地计算出各小波近似分量；其后对三层分解的小波近似系数进行重新组 合，得到新的样本集；最后在此样本集上使用非参数鉴别方法进行人脸识别．ORL和CAS—PEAL—R1人脸库 的实验结果表明，与基于线性非参数鉴别分析的人脸识别(NDA)和鉴别分析的人脸识别(LDA)方法相比较， WANDA方法的人脸识别率为97．5％，对光照条件、脸部表情变化有良好的鲁棒性． 关键词：小波树；非参数鉴别分析；人脸识别；小波变换 中图分类号：TP391 文献标识码：A O引言 人脸识别是基于生物特征识别技术的身份认证中最主要的方法之一，对人脸识别方法的研究已成 为当前模式识别和人工智能领域的一个热点n]．人脸图像的维数非常高，且在高维空间中分布很不紧 凑，不利于分类，计算的复杂度也很大．子空间分析的思想是根据一定的性能目标来寻找一个线性或非 线性的空间变换，将原始数据压缩到一个低维子空间，使数据在子空间中的分布更加紧凑，并且使计算 的复杂度大大降低．因此本文将子空间分析中的非参数鉴别分析方法结合小波树用于人脸识别，ORL 很好的适应性． 1低频小波树 假设LL?表示第一J层的低频子带分辨率，对人脸二值图像进行3级小波分解，将形成3个低频子 带[}3|，分辨率从小到大依次为LL!。一2～k。×2一k：，LLl2—2k。x2-2是：，LL!。=2一k1×2_1走2．为了 形成低频子带小波树，假设子带LL。上任意一点坐标五一(z，，y；)，其上的取值为LL乌，与该点对应的 计16点，其上的取值为LL马-．将这些点串接起来可形成一个21维的列向量，即为低频小波树枝 ．，(z。)[4 第3级低频小波系数的总个数． f．，(Z，)一{LL乌，LL冀，LL与-}， ≯2一{(z：，Y。)j(2x：一／1—2，2y；一可一2)，∥一2，u一2—0，1}， (1) l／-1一{(z。，Y，)l(4x。一／1一l，4y。一u～1)，口一1，u—l一0，1，2，3)． 2 小波树和非参数鉴别分析的人脸识别(WANDA) 2．1 非参数鉴别分析 discriminant 非参数鉴别分析(non—parametricanalysis，NDA)是模式识别的经典方法，该方法的应 收稿日期：2014—09—20． 基金项目：甘肃省自然科学基金项目(1112RJZA028)． 作者简介：刘悦婷(1979一)，女，陕西临潼人，副教授，硕士，主要从事电子、自动控制研究 万方数据 36 兰州文理学院学报(自然科学版) 第Z8豢 用前提是假设不同类别在模式空间中是线性可分的，对于人脸识别而言正是因为不同人脸之间的差异， 可以应用非参数鉴别方法．通常认识事物的规则：不同类样本尽可能远，同类样本尽可能近，用数学语言 描述为类内离散度矩阵要小，类间离散度矩阵要大．将非线性鉴别分析应用到人脸识别中，其公式如式 (2)所示． (2)