基于局部特征的协同稀疏表示人脸识别算法研究

摘要

人脸识别（Face recognition，FR）一直是模式识别、计算机视觉领域的热点问题。在公共安全、家居监控安全、日常生活等安全防护方面应用十分广泛。长时间研究以来，已经形成不少具有标志性的人脸识别方法，例如基于几何特征模型、弹性图匹配模型、特征脸子空间、以及支持向量机和自适应组合分离器方法等。现有人脸识别方法通常存在计算复杂度较高、特征提取不全面、对光照姿态等影响鲁棒性较差等方面的不足。通过了解近年来压缩感知理论和稀疏表示相关理论，进而利用相关理论来改进传统识别算法的不足。并且总结和分析了稀疏表示方法利用整体特征进行分类识别时对于光照变化、局部变化、姿态变化等因素敏感的缺点，针对其另一种形式协同稀疏表示分类方法进行了讨论和研究。
　　在总结和分析基于稀疏表示和协同稀疏表示人脸方法的基础上，文章以人脸识别系统流程为顺序，展开工作，论文的主要内容、工作如下：
　　（1）介绍了国内外人脸识别技术的研究现状，简要介绍了常见人脸库以及评价指标。根据系统总框图介绍人脸识别过程。
　　（2）介绍了人脸预处理阶段以及几何归一化的过程，提出结合Sobel算子以及Susan算子和灰度梯子分布的双眼和嘴部定位方法，并根据定位的位置，通过归一化尺度图进行缩放、裁剪、旋转等工作。
　　（3）文章介绍两种能够较好表征局部特征纹理的方法，Gabor小波和局部二值模式，提出了对 LBP算子的改进，利用一致性算子来减少提取特征总维数，改进原始 LBP算子忽略中心点像素容易忽略局部特征的不足，通过合理分类，进一步增加提取后的特征信息以及减少提取的特征复杂度。提取后的特征跟Gabor小波特征以及原始LBP特征在人脸库中进行对比。实验结果分析ULBP算子与传统的Gabor小波及原始LBP算子相比，其描述特征能力更强，更适合应用于人脸识别工作。
　　（4）对于稀疏表示分类方法，将稀疏约束条件由L1范数转换为最小二乘计算，即协同稀疏表示方法，并利用Gabor小波和一致性LBP方法提取特征后，再通过相应的字典稀疏表示以求得所属类别，局部纹理特征的引入，增强了系统的识别率，提出利用分块一致性二值模式算子来改造字典，讨论和分析了各个特征提取方法应用于协同稀疏表示中的效果，通过在人脸库中实验，证明了文章对协同稀疏表示的改进方法有效。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究背景及意义

1.2 人脸识别的优势和相关资源

1.3 人脸识别研究内容及存在的问题

1.4 本文的研究内容及思路

1.5 论文结构安排

第2章 人脸图像的预处理及归一化处理

2.1 人脸图像预处理

2.2 基于Sobel算子的人脸图像的归一化处理

2.3 本章小结

第3章 基于Gabor小波和LBP方法的特征提取

3.1 Gabor小波

3.2 一致性分块局部二值模式

3.3 本章小结

第4章 基于稀疏表示和协同稀疏表示的人脸识别方法

4.1 人脸图像的稀疏表示

4.2 人脸图像的协同稀疏表示

4.3 基于协同稀疏表示的分类方式（CRC方法）

4.4 基于分块的CRC方法

4.5 本章小结

第5章 基于局部特征的协同稀疏表示人脸识别

5.1 引言

5.2 基于Gabor小波特征的协同稀疏表示人脸识别

5.3 基于一致性二值模式特征的协同稀疏表示人脸识别

5.4 人脸库实验及分析

5.5 本章小结

第6章 总结与展望

6.1 文章总结

6.2 文章展望

参考文献

攻读学位期间的研究成果

致谢