基于半监督降维的人脸识别-电子与通信工程专业论文.docxVIP

I I 摘 要 摘 要 人脸识别是模式识别和机器视觉领域的一个热点研究问题，是生物特征识别技术中 的一个重要分支，在人机交互、安全认证等领域具有广泛的应用。由于人脸结构的复杂 性、人脸成像过程中易受各种干扰因素的影响，例如光照、年龄、表情、遮挡、姿态等， 又使得人脸识别这一课题极具挑战性。人脸识别技术经过多年的研究与探索，已经具备 很多成熟的算法。在人脸识别系统中，其性能取决于对人脸图像特征提取的有效性。由 于人脸数据的维数一般都很高，容易导致“维数灾难”问题。在现有的人脸图像降维算 法中，基于半监督降维的人脸识别算法是一种快速且有效的方法，但是半监督降维算法 在处理含有复杂光照条件下的人脸图像数据时会存在一些问题。 针对上述存在的问题，本文主要研究人脸识别中的光照问题和人脸图像数据维数过 高的问题。重点分析了光照变化对人脸识别的影响，针对目前解决方法中的一些缺点， 从提取光照不敏感特征方面对光照问题进行了研究。将提取到的光照不敏感特征利用半 监督降维算法进行特征提取。本文主要研究内容如下： （1）针对人脸识别中的复杂光照问题,将本文采用的基于全变分模型(TV)的光照处理 算法与传统图像处理算法进行对比，发现本文采用的算法具有很好的边缘保持能力，并 能很好的减少光晕的产生提高人脸识别率。 （2）分析了当前主流的人脸图像数据降维方法，将本文采用的基于成对约束的半监 督降维算法与其他降维算法相对比，发现本文采用的降维方法能够取得更好的识别率。 （3）融合本文采用的图像预处理方法和降维方法，提出了一种基于全变分模型与半 监督降维相结合的人脸识别方法，实验表明本文的融合算法能有效处理不同光照条件下 的高维人脸数据。 本文在 YaleB、CAS-PEAL、ORL 多个人脸数据库进行实验，结果表明本文算法可 以有效地提高在复杂光照条件下人脸识别效果。 关键词 人脸识别 图像处理 全变分模型 半监督降维 II II Abstract Abstract Face recognition is a hot issue in pattern recognition and machine vision which plays an important role in human-computer interaction, security, authentication and other fields. Face image has a complex structure and is vulnerable by various factors, such as illumination, age, expression, pose, occlusion, attitude, so that face recognition is still a challeng. A large number of face recognition algorithms emerge in recent years. In the face recognition system, its performance depends on the effectiveness of face image feature extraction. Because of the face data with high dimensionality, it easily causes the curse of dimensionality” problem.Semi-supervised dimensionality reduction is a fast and effective method,but semi-supervised dimensionality reduction algorithm has some problems when process face image containing various illumination. In order to overcome this kind of problems, we propose a method based on total variation (TV) and semi-supervised dimensionality reduction (SSDR) which is used to deal with face images. The main research work is by the following aspects: Experiment shows the total variation model has better capability of edge-pres