基于DTCWT和SVM人脸图像集成分类方法.docVIP

基于DTCWT和SVM人脸图像集成分类方法 　　摘要: 利用二元树复小波变换对人脸图像进行5尺度小波分解，并提取每一尺度下6个方向高频子图小波系数模的均值和标准方差组成60维的特征向量表征人脸，然后采用支持向量机的一对一分类算法对ORL人脸图像库进行分类实验，结果表明二元树复小波变换和支持向量机的集成方法能有效提高人脸图像的分类精度. 　　关键词: 人脸识别; 二元树复小波变换; Gabor小波变换; 支持向量机; 特征提取 　　中图分类号:TP391.41 　　 文献标识码:A文章编号:1672-8513(2010)05-0313-04 　　 　　Integration Classification Method of Face Images Based on DT-CWT and SVM 　　XIE Hong?sheng?1, WANG Lian?guo?2 　　（1. Information Technology School, Shandong Women?s University, Ji?nan 250300, China; 2. College of Sciences, China University of Mining Technology, Xuzhou 221008, China） 　　Abstract: The dual-tree complex wavelets transform was used to decompose face images with 5 scales, then 60-dimensional feature vector was generated by computing the mean and standard deviations from wavelet coefficients of six-direction high-frequency subbands of each scale, and the classification experiment was done by using one vs one algorithm of the support vector machine based on ORL face image database. The tests results show that the method of integrating the dual-tree complex wavelets transform with the support vector machine can effectively improve the classification accuracy of face images. 　　Key words: face recognition; dual-tree complex wavelets transform; Gabor Wavelet Transform; support vector machine; feature extraction 　　 　　人脸识别是非常实用的一种生物特征识别技术，一直是计算机视觉和模式识别领域的重要研究课题，在身份识别、证件验证、安全防范等领域有着广泛的应用.1988年Galton［1］在《Nature》上发表利用人脸进行身份识别的文章并首次提出了正式的人脸识别方法，随着技术进步和应用需求的增加，涌现了许多有效的特征提取和识别方法，其中经典的Eigenfaces和Fisherfaces方法无疑是人脸识别中里程碑式的工作，但存在计算量大的不足［2-3］. 　　在人脸特征表示方面，由于Gabor特征对人类图像优异的表征能力，Gabor小波变换特征提取方法得到了广泛研究和应用［4］.Liu等［5］证明了Gabor小波表示和线性判别方法相结合的识别方法能有效表示人脸特征，但实验发现选择合适的频带需依赖于图像本身的频率特性，实现完整的Gabor小波变换展开需要的滤子数目很大而不切实际，计算和存储开销巨大.Kingsbury［6］提出的二元树复小波变换（Dual-Tree Complex Wavelets Transform，DT-CWT）具有近似平移不变性、良好方向选择性、有限数据冗余和高效计算效率等优点，与Gabor小波相比，DT-CWT借助实数离散小波变换的可并行处理和快速算法，显著降低了运算复杂度，其完备重构特性保证了图像信息的完整性，研究证明DT-CWT在表示人脸图像时要优于Gabor小波［7］.支持向量机（Support Vector Machine,SVM）是建立在统计学习理论的VC维理论和结构风险最小化准则基础上的一种机器学习方法，在处