小波分析在人像识别系统中应用.docVIP

小波分析在人像识别系统中应用 　　摘 要:本文在小波分析的基本理论和特点得基础上,重点介绍了小波分析基于人像识别系统中的图像处理、图像压缩等方面的应用,与传统图像处理方法做了对比,展望了小波分析的前景。 　　关键词:小波分析 人像识别 图像压缩 　　中图分类号:TP391.41 文献标识码:A 文章编号:1672-3791(2011)11(a)-0037-01] 　　1 小波分析简介 　　小波分析是近几十年来在工程学科和应用数学领域飞速发展起来的一个新的研究工具和新的研究方向。小波的概念最初来源于对地震波时频局部特性的研究而提出的,20世纪80年代,数学家Meyer构造了第一个小波基,引入了多分辨分析的概念,提出了多分辨分析构造正交小波基的一般化方法,并提出了基于小波分析的小波变换的快速分解与重构算法(Mallat算法),至此,小波分析理论真正确立。小波变换理论一经确立,立即成为国际上公认的信号获取和处理领域的新技术和未来发展方向。 　　小波变换在信号及信息分析中具有以下优点 　　(1)多分辨率。能通过伸缩和平移等运算功能对信号进行多尺度细化分析。(2)对非平稳信号的强大分析处理能力。小波变换是因子恒定,带宽固定的滤波器在不同尺度下对信号的过滤和处理。(3)强大的表征信号局部特征的能力。选择不同的小波基,可以方便的检测信号的瞬时变化和奇异点。 　　与傅里叶分析和变换比较,小波变换是对时间频率的局部分析,克服了傅里叶变化无时域分辨能力――不能提供局部时间段上的频率信息的缺点,在时间频率上都具有表现局部信号的能力,及可以看到同一时刻信号的全局,有可以对某一具体信号的细节,因此,小波分析在图像处理、信号分析及其他非线性科学研究中有巨大的应用全景。 　　 　　2 小波分析的基本原理 　　对于傅里叶分析而言,小波分析更加注重对信号的局部进行分析,起窗口大小固化但其形状发生改变、时间窗口与频率窗口发生改变的时频局部分析方法,正因为数学上的这一特性,小波分析能在信号的低频部分具有较高的频率分辨能力和较低的时间分析能力,在高频部分具有较高的时间分析能力和较低的频率分析能力。能对信号进行细致入微的分析。 　　设g(t)∈L2(R)(L2(R))表示平方可积的实数空间,即能量有限的信号空间),如果其傅里叶变换G(w)满足容许性条件: 　　 　　那么称g(t)为“基小波”。对于基小波进行评议与缩放可以得到一个小波序列。 　　对于连续情况,小波序列为(其中a为缩放因子,b为平移因子): 　　 　　对于离散情况,小波序列为(其中a为缩放因子,b为平移因子): 　　 　　 　　3 图像处理的基本原理 　　图像处理的目的,是对数字化后的图像信号进行处理和运算,以提高图像信号的质量。小波分析在图像处理方面的应用主要是采用将空间或者时间域上的图像信号变换到小波域上,成为多层次的小波域系数,根据小波基的特性,分析小波系数的特点,针对不同要求,结合常规图像处理方法(算法),提出更符合小波分析的处理方法(算法)来处理小波系数,在对处理的小波系数进行反变换,得到所需图像。 　　 　　4 人像识别技术 　　4.1 人像识别概述 　　人像识别,又叫人脸识别,特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。广义的人像识别实际包括构建人像识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人像识别预处理、身份确认以及身份查找等;而狭义的人像识别特指通过人脸进行身份确认或者身份查找的技术或系统。 　　具体来说,人像识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语音)、体形、个人习惯(例如敲击键盘的力度和频率、签字)等,相应的识别技术就有人像识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别(用语音识别可以进行身份识别,也可以进行语音内容的识别,只有前者属于生物特征识别技术)、体形识别、键盘敲击识别、签字识别等。 　　4.2 人像识别系统 　　人脸识别系统是人像识别系统中应用最广泛的技术,它是以人像识别技术为核心,是一项新兴的生物识别技术,是当今国际科技领域攻关的高精尖技术。人脸因具有不可复制、采集方便、不需要被拍者的配合而深受欢迎。人像识别系统具有广泛的应用:人像识别出入管理系统、人像识别门禁考勤系统、人像识别监控管理、人像识别电脑安全防范、人像识别照片搜索、人像识别来防登记等等。 　　 　　5 基于人像识别的图像压缩的基本原理 　　由于人像识别技术要研究、处理分析大量的图形图像,经常要大规模的传输巨大容量的图形图像,所以,对图形图像的压缩对于人像识别技术