人脸图像检索的特征提取方法研究

摘要

基于内容的图像检索（CBIR）是近年来计算机视觉、图像数据库和知识挖掘等研究领域非常活跃的热点问题之一，具有广泛的应用范围和重要的理论研究价值。人脸图像检索是基于内容的图像检索在特定领域的应用，由于人脸图像本质上是三维塑性物体向二维空间的投影图像，其在颜色、纹理、形状等方面具有高度的相似性，另外，还受到姿态、表情、光照等因素的影响，仅仅靠通用的图像检索技术很难满足要求。对人脸图像检索的研究，需要更多的专业知识，如何将这些专业知识应用到图像特征的提取以及匹配中以提高检索精度，这是本文的主要研究目标。
　　 本文以复杂背景下的人脸对象为中心，结合基于内容的图像检索和人脸识别的相关知识，对人脸的定位与分割、人脸表征以及特征的选择三方面进行了系统、深入和较为全面的研究，主要的研究工作和成果包括以下几个方面：
　　 1．针对复杂背景下的人脸图像检索问题，本文提出的解决思路是通过人脸定位与分割尽可能去除背景因素的干扰。在对不同的人脸检测方法研究比较的基础上，结合局部二值模式和Harr-like矩形特征，提出了一种综合多特征的协同Boosting学习算法进行多姿态人脸检测。首先利用人脸肤色建立模型进行肤色区域的分割，通过形态学算子和椭圆模型获得候选区域，然后对每个候选区域提取多特征进行协同学习，最后采用金字塔型分类器结构进行人脸区域的确认。实验结果表明，无论是正面人脸检测，还是多视角人脸检测，本算法与当前最好的人脸检测方法都具有一定的可比性。
　　 2．在人脸检测的基础上，研究了人脸识别中特征提取的各种方法，针对定位不精确的人脸问题，本文结合MPEG-7形状特征描述子和人脸的几何结构信息，提出了一种空间加权伪Zernike矩的人脸特征提取方法。伪Zernike矩作为一种形状区域的线性特征，具有信息冗余度低和旋转不变的特性，经适当的变换还具有近似的平移和尺度不变性以及很强的抗噪能力，而且能够完全重建原始图像，在图像分析和模式识别方面得到了广泛的应用。但其致命弱点是，运算量大，为此，本文进一步提出了改进的快速计算方法来减少伪Zernike矩的计算复杂度。最后将提出的方法与传统的人脸特征提取方法进行了对比实验，结果表明本论文方法具有更好的检索准确率。
　　 3．针对光照、部分遮挡给人脸图像的检索准确率造成的影响，提出一种结合提升小波分析和Fisher加权伪Zernike矩的人脸特征提取方法。该方法首先利用第二代小波--提升小波对人脸区域进行若干层分解，然后利用低频子图像构造了一个Fisher加权函数，最后在低频子图像中提取Fisher加权伪Zernike矩特征。为进一步减小在线提取伪Zernike矩特征的时间，我们提出利用改进的Adaboost算法去选择最优的矩特征用于人脸图像的表征。实验结果表明，本文方法可以达到实时在线检索系统的运行要求，而且对光照和部分遮挡具有较好的鲁棒性。
　　 4．针对矩特征只能描述人脸区域的形状特征缺陷，本文引入了Log-Gabor小波来提取人脸的纹理信息。与Gabor小波相比，Log-Gabor小波更符合人类的视觉特性。但其缺点仍然是特征维数过高，信息冗余度大。据此，我们在对人脸特征提取中主要的降维方法进行分析的基础上，针对大型人脸图像库的训练样本只有部分样本标记的问题，结合半监督学习算法，提出了基于Log-Gabor矩阵表示的二维半监督判别分析的降维方法。该降维方法直接作用于二维Log-Gabor特征构成的组合矩阵，从而克服小样本带来的奇异问题；另外，该方法充分利用了标记信息和未标记信息，还同时保留了数据的局部流形结构，增大了特征匹配的相似性，极大地提高了系统的检索性能。