基于小波子图及广义鉴别分析理论的人脸特征抽取算法.pdfVIP

中国电子学会电路与系统学会第十九届年会论文集 基于小波子图及广义鉴别分析理论的人脸特征抽取算法 龙飞 叶学叉 李斌 庄镇泉 (中国科技大学电子科学与技术系 合肥 230026) 摘要：提出了一种使用小波变换及广义鉴别分析理论的特征抽取方法。先对人脸图象进行适当级数的小波 分解，根据模板匹配原则选取最佳子图进行人脸描述，再利用广义鉴别分析对最佳子图系数向量进行降维， 实现了非线性特征抽取目的。在ORL人脸库上的实验结果表明．该方法中的两个主要环节，IiPd,波分解的低 频子图描述和基于核技巧的广义鉴别分析均使识别精度得到了有效提高，总体识别效果优于传统方法。 关键词： 人脸识别 特征抽取 小波子图 广义鉴别分析 一、引言 人脸识别就是利用计算机对人脸图象(或视频)进行分析处理，并识别出个人身份信息 的～种技术，该技术在军事、公安、金融等许多领域具有十分广泛的应用前景。人脸识别是 计算机视觉、模式识别领域中一个十分活跃的热门研究课题。 特征抽取是否有效直接影响到人脸识别系统的鲁棒性和实用化程度。几何特征方法¨1虽然 在人脸识别早期研究较热，然而人脸几何特征的自动抽取相当困难，使得该方法难以取得好 based 的识别效果。后来的主流研究方向是基于外观的方法(appearance approaches)，其中以 多元统计分析为基本工具的子空间方法取得了很大成功。子空间方法的基本思想是将高维的 人脸数据投影到一个由一组最优映射方向张成的低维子空间，得到的投影系数作为人脸识别 discriminant analysis)构建子空间，优点是有效利用了人脸类内变化和类间变化的先验知识， 主要局限在于其固有的线性特点。 本文提出了一种使用二维小波变换13 discriminant J【41和广义鉴别分析91(generalized analysis)理论的人脸特征抽取方法。对具有一定分辨率的人脸图象，先对其进行适当级数的 小波分解，再根据模扳匹配【】1的匹配精度对各人脸子图的有效性进行评估并选择昂佳子图进行 人脸描述，然后利用广义鉴别分析方法对最佳子图系数向量进行降维，其中使用了支持向量 对本文提出的特征抽取方法进行了多项识别率测试实验，使用了基于向量夹角距离的最近邻 分类器，实验结果验证了该方法的有效性。 二、人脸图象的小波分解 小波变换良好的时频局部性和多分辨率分析特点，使其在图象压缩、特征抽取及信号检 测等应用方面都有较为突出的表现。设厂(x)是平方可积函数，即，(x)∈r@)，y(石)为基 本小波或母小波，则，(x)的连续小波变换为 (咒厂)(6)=I，(功虬．。(曲出 (1) 其中 ‰∽i0(孚) 中国电子学会电路与系统学会第十九届年会论文集 是由母小波函数经过尺度伸缩和位移得到的小波函数族，a，b分别代表尺度因子和位移。在 实际应用中。我们通常只需要计算离散口，b栅格下的小波变换(即离散小波变换)，在二进 的离散方式下有a=2’，b∈Z。正交情况下的离散小波变换可由MaUat[q提出的多分辨率分析 方法进行快速计算。二维图象的多分辨率分析在可分离情况下可在一维分析的基础上进行简 单的推广得到：即利用一维小波分别独立的沿图象的水平方向和垂直方向进行分析，可将原 图象分解为4个子图，对其中的低频子图作进一步的类似分解可得到下一级的4个子图，多 次重复该过程便可实现图象的多级小波分解。图1所示为本文所使用的三种Daubechies小波， 曲1、db4和db8，其中dbl又称haar小波。 t O5