基于小波变换和PCA-ANN的人脸识别.docVIP

基于小波变换和PCA-ANN的人脸识别 　　摘要:研究了基于主成分分析和人工神经网络技术的人脸图像识别系统的基本理论与关键技术,并通过对人脸识别的关键技术进行实验选择和优化组合,提出一种将小波变换、主分量分析(PCA)和人工神经网络相结合的人脸识别系统方案,可以提高人脸识别的效率,同时减少光照、表情等因素对系统识别性能的影响,提高人脸识别系统的鲁棒性。实验结果表明,此人脸识别系统在识别率和识别速度等方面均获得了较好的效果。 　　关键词:人脸识别;小波变换;特征提取;PCA;RBF神经网络 　　中图分类号:TP391文献标识码:A文章编号:1009-3044(2009)27-7730-04 　　 　　Face Recognition Based on Wavelet Transform and PCA-ANN 　　MA Gui-ying 　　(Department of Computer Science and Technology, Tangshan College, Tangshan 063000, China) 　　Abstract: This thesis mainly studies on the basic theory and technology about the identification of people’s faces.After experimenting, we choose the better methods. This thesis proposes a new methods which integrates three elements(Wavelet Transform, Principal Component Analysis, Artificial Neural Networks), which can recognize faces more effectively. Meanwhile, this methods lessens the effect of light on faces and appearance. Experimental result indicates that our new face recognition system is effective at the aspects of both correct ratio and speed of distinguishing. 　　Key words: face recognition; wavelet transform; feature extraction; principal component analysis; radial basis function neural network 　　 　　人脸识别技术发展很快,并取得了丰硕的研究成果,但是仍然还有许多问题:如图像背景复杂,存在很多类似人脸的部分;人脸是非刚性物体,并且随着年龄的变化而变化,特征难以完全描述;人脸可能有很多遮挡物,如胡须、眼镜、帽檐等;人脸所成图像受光照、成像角度、成像距离等影响。这些问题都是人脸识别技术中亟待解决的问题。 　　人脸识别的步骤主要包括图像预处理,特征提取和人脸分类器等,而对于每一关键步骤若采用不同的处理算法,然后再后进行组合后,其识别效率和识别速度就会不同,本论文就是基于以上的考虑,将人脸识别的关键技术进行实验选择和优化组合,提出一种将小波变换、主分量分析(PCA)和人工神经网络相结合的人脸识别系统方案:首先,为了去除人脸图像中的干扰信息,我们对人脸图像进行了一系列的预处理,包括去除噪声、灰度归一化、尺度归一化和小波变换等;其次,使用基于K-L变换的特征脸方法,提取人脸图像特征,压缩图像数据维数;最后,使用改进学习算法的径向基函数神经网络(RBFNN)作为人脸分类器。通过大量的实验表明,本系统可以提高识别效率,减少光照、运动、表情等条件对识别率的影响,从而达到较好的识别效果。利用国际上通用的ORL人脸库进行测试,正确识别率达到了95.8%。 　　 　　1 基于小波变换的图像预处理 　　 　　在本文中,对于一幅人脸原图像如图1(a)所示,其一层小波分解的结果如图1(b)所示。原人脸图像经过一层小波变换分解后,获得四个子带图像。其中子带图像LL保持了原图像的低频分量,为原图像的平滑像;子带图像HL保持了原图像的水平边缘细节;子带图像HL保持了原图像的垂直边缘细节;子带图像HH保持了原图像的斜边缘细节。对于正面人脸识别而言,由于人的表情丰富,并且人脸的表情主要反映在人的眼睛和嘴巴上,而且嘴巴和眼睛的水平特征要比垂直特征明显,因此水平边缘子带图像HL刻画了人脸的表情特征;人脸的轮廓