基于子空间人脸识别算法的研究-电机与电器专业论文.docxVIP

A Dissertation Submitted to Zhengzhou University of Light Industry for the Academic Degree of Master of Engineering Science A Study on Subspace Face Recognition Algorithms Candidate: Jin Jingyong Supervisor: Prof. Sun Yusheng Major:Electric Machines and Electric Apparatus School of Electronics and informatics Zhengzhou University of Light Industry Zhengzhou 450002, P. R. China June 2009 郑州轻工业学院 学 位 论 文 原 创 性 声 明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下， 独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本 论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文 的研究做出重要贡献的个人和集体，均已在文中作出了明确的声明并 表示了谢意。 本人学位论文与资料若有不实，愿意承担一切相关的法律责任。 学位论文作者签名： 年 月 日 ---------------------------------------------------------- 郑州轻工业学院 学位论文知识产权声明书 本人完全了解学校有关保护知识产权的规定，即：研究生在校 攻读学位期间论文工作的知识产权单位属于郑州轻工业学院。学校有 权保留并向国家有关部门或机构送交论文的复印件和电子版。本人允 许论文被查阅和借阅。学校可以将本学位论文的全部或部分内容编入 有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和 汇编本学位论文。同时，本人保证，毕业后结合学位论文研究课题再 撰写的文章一律注明作者单位为郑州轻工业学院。 保密论文待解密后适用本声明。 学位论文作者签名： 指导教师签名： 年 月 日 年 月 日 摘 要 人脸识别是模式识别和计算机视觉领域最富挑战性的研究课题之一，具有非常广泛 的应用前景如视频监控、刑侦破案、身份识别、入口控制等领域。人脸识别系统采用计 算机视觉和图像处理等相关技术，以人脸图像为媒介，抽取人脸的不同特征进行匹配和 识别方法。本论文进行的人脸识别研究是以静止正面人脸图像为对象，针对实际应用中 人脸图像残缺，或人脸通过眼镜、发型和化妆等伪装造成图像不完整的情况，在子空间 人脸识别算法的基础上，提出一种适应性较强的方法，实验结果验证该方法是可行的。 主要的工作如下： 1.深入分析了基于主分量分析 PCA (Principle Component Analysis)的特征脸方法。 针对传统 PCA 方法在处理图像识别问题存在的计算量大和时间上长的缺陷，进一步分 析直接基于图像矩阵的 2DPCA 方法。相比 PCA 方法，2DPCA 方法计算复杂度低，特 征抽取速度快。 2.对 2DPCA 方法的特征值（主分量）选择问题进行分析研究，提出了一种基于 Fisher 准则的特征值选择方法。特征值的选择是选取对分类有利的特征向量而不只考虑大的特 征值所对应的特征向量，这样可以有效地将类与类之间的距离拉开，避免有效信息的损 失。 3.针对 2DPCA 难以表征人脸局部特征的缺陷以及实际应用中存在人脸图像残缺， 或人脸通过眼镜、发型和化妆等伪装造成图像不完整情况，提出一种结构 2DPCA 方法。 将人脸图像分割为互不重叠的多个图像块，对每一个图像块进行 2DPCA 特征提取，最 后对每个图像块进行加权识别。这种方法结合了统计模式识别与结构模式识别的优点， 通过调整各图像块的加权系数，可应用于各种不同人脸图像的识别。实验结果表明，基 于结构 2DPCA 方法的人脸识别率与 2DPCA 方法相比有较大提升，灵活性更强。 4.分析研究了线性辨别分析方法，针对该方法在人脸识别过程中存在的小样本问 题，本文在传统子空间方法的基础上提出了基于 Fisher 准则的结构 2DPCA 人脸识别方 法，ORL 和 FERET 标准人脸库的实验结果验证了该算法的有效性。该方法不仅增加了 识别系统的灵活性和适应性，而且识别率也比单独的 2DPCA 方法和 2DPCA+LDA 方法 高。 关键词：模式识别; 人脸识别; 特征提取; 二维主元分析; 线性辨别分析 I ABSTRACT Face recognition is one of the most active and challenging tasks for comput