基于彩色空间的人脸面部图像识别特征提取方法研究

摘要

特征提取是模式识别领域中重要的研究内容。图像特征提取的主要目的在于用一种有效的方式来描述复杂的原始图像数据，以便使接下来的图像分类工作变得简单。本文主要以人脸图像为研究对象，深入开展了基于彩色人脸图像的特征提取、特征融合以及基于稀疏理论的特征选择与识别。
　　 本文首先简要介绍在图像灰度空间进行三种局部性的特征提取方法。这三种方法分别是基于局部二元模式（LBP）的特征提取、基于Gabor小波的特征提取、基于SIFT算子的特征提取。之后对这三种方法进行了简单的性能比较。
　　 接着，我们引入彩色空间的概念，在几种常用的彩色空间内提取人脸部特征。其中，特征提取的方法与在灰度空间特征提取方法类似，将彩色空间看作为三个互相独立的三个通道，分别在每个通道内提取特征。对于提取的彩色空间特征，由于数据维数较高，可能存在大量冗余。同时由于图像还可能存在噪声的影响，直接用来进行图像识别有可能产生过拟合的现象，所以需要对高维特征数据进行处理之后再识别。我们采用了两种统计学中处理数据的方法：多变量典型相关分析的方法和稀疏主成分分析方法。在多变量典型相关分析中，三个通道的特征分别作为三组输入变量。通过多变量典型相关分析，三个通道的彩色特征融合成为一组特征，之后再进行识别处理。在此基础上，运用稀疏主成分分析方法进行进一步的特征选择与识别。
　　 本文的实验结果表明，对于表情识别、人脸识别和性别识别等人脸部图像的识别，彩色空间比灰度空间包含了更多的信息内容，对识别率的提高的确起了一定的作用。

目录

文摘

英文文摘

第一章 绪论

1.1 引言

1.2 人脸面部图像识别技术的应用背景

1.3 国内外研究现状

1.4 识别系统的总体结构

1.5 本文的研究内容和结构

第二章 基于灰度图像的特征提取方法

2.1 引言

2.2 基于LBP特征提取方法

2.3 基于Gabor小波特征提取算法

2.4 局部Gabor二值模式

2.5 基于SIFT特征提取方法

2.5.1 梯度方向指定

2.5.2 描述特征点处的SIFT特征

2.5.3 提取整幅人脸图像的SIFT特征

2.6 特征提取方法实验结果比较

2.6.1 实验选用数据库

2.6.2 实验方法

2.6.3 实验结果

2.7 本章小结

第三章 基于彩色图像的特征提取与融合

3.1 颜色特征分析

3.1.1 RGB空间

3.1.2 HSV空间

3.1.3 YCrCb颜色空间

3.2 彩色空间特征融合

3.2.1 串行融合

3.2.2 并行融合

3.2.3 典型相关分析特征融合

3.3 彩色空间特征提取算法实现与分析比较

3.3.1 算法实现流程图

3.3.2 实验方法

3.3.3 实验使用数据库说明

3.3.4 实验结果与分析

3.4 本章小结

第四章 基于稀疏主成分分析的彩色人脸图像识别

4.1 弹性网(elastic net)方法简介

4.1.1 岭惩罚项

4.1.2 LASSO惩罚项

4.1.3 弹性网惩罚项

4.2 基于弹性网的稀疏主成分计算步骤

4.2.1 主成分分析(principal components analysis,PCA)简介

4.2.2 稀疏主成分分析(sparse principal components analysis,SPCA)

4.3 基于稀疏主成分方法的彩色人脸图像识别

4.3.1 算法实现步详述

4.3.2 算法实现结果及其分析说明

4.4 本章小结

第五章 总结与展望

5.1 工作总结

5.2 展望

5.2.1 彩色空间问题

5.2.2 数据库的构建问题

5.2.3 参数选择问题

致 谢

参考文献