基于全局加权稀疏表示的Gabor特征人脸识别

摘要

在这个科技飞速发展的现代，信用的保障成了人们交往中越来越重要的组成部分，而身份的证明也更为重要，因此人脸识别技术也就变得尤为重要，在人脸识别技术中，特征提取不仅是重要的关节，也是相对较难的关键点，因此也就成为这些年一直研究的热点，对于特征提取，无论是国内还是国外都有着很多算法研究，而本文在是在稀疏算法的基础上，把全局和局部的特征联系起来，从而使识别率更高更准确，在本文中，主要通过对Gabor小波的研究，从而得到对人脸识别与特征提取更好方法，对已知的算法进行了改进，从而得到新的算法。特征提取是现价段非常重要的的研究课题，而人脸识别中的问题更有着重要的研究意义。
　　本论文从人脸识别的发展开始介绍，不仅说明了特征提取在人脸识别中的重要部分，而且也阐述了人脸识别在现阶段科技发展中的重要地位通过对特征提取的人脸识别的几种经典算法进行了分析与讨论；并研究了基于Gabor特征提取的基本理论与算法思想，并就人脸识别的特征提取里面仍然未解决的问题和缺点进行跟精确的分析；最后通过大量的实验和理论相结合，在本文中介绍了三种改进的Gabor特征的人脸识别算法。
　　首先，采取对局部二元模式(LBP)算子、主成分分析（PCA）和局部保局投影（LPP）对提取的特征向量降维实验分析。从而提高降维效果和识别时间。
　　其次，提出了一种基于 Gabor特征的全局稀疏表示的人脸识别算法（GSRC），GSRC针对Gabor特征的稀疏表示分类方法中最小范数l1稀疏求解精度的问题。首先利用Gabor小波变换处理人脸图像得到Gabor特征，建立超完备字典，然后在全局特征中引入向量总变差模型，并融合Gabor特征和全局特征，最后利用稀疏表示模型对融合后的特征进行优化。实验将GSRC算法分别在不同的人脸库中进行实验比较，通过实验可以得出，这种新型人脸识别算法GSRC无论是对于图像的光照还是姿态和表情等多种变化因素都具备较强的鲁棒性。
　　再次，在稀疏表示算法的基础上，提出了核 Fisher判别分析和对 Gabor均值的研究理论进行大量的实验，从而得到更好的算法，对于核Fisher判别分析主要在通过核函数映射成的特征空间中进行Fisher线性分析，这种方法不仅拥有非线性地描述人脸图像的能力，而且具有基于Fisher线性判别分析的类别可分性的优点。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题研究的背景和意义

1.2 国内外人脸识别技术的研究现状

1.3 课题的来源及研究内容

第2章 Gabor特征提取算法

2.1 二维Gabor滤波器组的参数设计

2.2 Gabor特征提取方法

2.3 本章小结

第3章 Gabor小波特征提取算法比较分析

3.1 引言

3.2 基于LBP基本算子分析

3.3 基于PCA降维算法的实现原理

3.4 基于LPP的降维原理

3.5 本章小结

第4章 基于Gabor特征的全局加权稀疏表示

4.1 引言

4.2 Gabor特征表示

4.3 基于Gabor特征与稀疏表示的人脸分类识别算法（GSRC）

4.4 实验结果与分析

4.5 本章小结

第5章 Gabor特征提取的核函数算法

5.1 引言

5.2 Fisher线性判别算法分析

5.3 核函数算法分析

5.4 核Fisher算法

5.5 实验结果与分析

5.6 本章小节

结论

参考文献

攻读硕士学位期间所发表的学术论文

致谢