非线性相关滤波器组和稀疏表示的人脸识别算法研究

摘要

随着科技的发展，信息安全在社会中发挥着不可替代的作用，导致身份识别受到的关注越来越多。而人脸识别作为近几年快速成长的一种身份识别技术，吸引了一大批研究学者的研究。虽然人脸识别的准确性越来越高，但是人脸属于外在的一种生物特征，容易受到外界因素的影响，所以解决这些影响是人脸识别技术更新的一个突破点。 在光线、姿势和面部表情的变化下会引起人脸图像的一些重要特征信息的丢失，从而使人脸识别效果变差。为了改善这一情况，本文提出一种基于非线性相关滤波器组的人脸识别算法。本算法通过使用人脸图像被分割成多个不重叠且尺寸相同的子模块对应生成的相关滤波器和sigmoid函数扩展了均匀动态范围以增强图像的对比度的优点，使得这个算法对光线、姿势与面部表情变化都具有强大的鲁棒性。经过人脸数据库的仿真实验分析，这个算法比其他滤波器算法有更好的识别效果。 除了光线、姿势与面部表情外还有遮挡物等其他一些无约束外部环境条件也会使人脸识别的效果变差。针对这一情况，本文基于稀疏表示法，提出了镜像图与LRC和CRC偏差结合分类的算法，该算法一开始通过镜像图法来增加训练样本图像的数量，这可以在人脸图像中获取到更多有用的特征信息;然后在通过使用LRC和CRC方法，将它们的得到的偏差进行归一化和通过控制函数进行加权融合，最后在进行分类识别。经过在人脸数据库上的仿真实验分析可知这个算法是个有效的识别算法，大大的提高了人脸识别的准确性。

目录

声明

摘要

第一章绪论

1．1课题的研究背景及意义

1．2人脸识别的研究意义

1．3人脸识别的发展状况

1．3．1发展历史

1．3．2研究现状

1．4当前人脸识别技术面临的难题

1．5论文的主要工作和内容安排

1．5．1论文的主要工作

1．5．2论文内容安排

第二章人脸识别技术概述

2．1人脸识别的基本步骤

2．2人脸识别的检测部分

2．2．1基于人脸特征的人脸检测

2．2．2基于模板匹配法的人脸检测

2．2．3基于Adaboost算法的人脸检测

2．3人脸识别的预处理部分

2．3．1几何规范化

2．3．2灰度级插值

2．3．3灰度规范化

2．4人脸识别的特征提取部分

2．4．1基于几何特征的提取方法

2．4．2模板匹配方法

2．4．3基于代数特征的提取方法

2．4．4基于小波理论的人脸识别方法

2．4．5基于神经网络的方法

2．4．6基于隐马尔可夫模型的方法

2．4．7基于支持向量机的方法

2．4．8基于三维模型的方法

2．5人脸识别部分

2．5．1最邻近分类器

2．5．2支持向量机

2．5．3稀疏表示

第三章基于非线性相关滤波器组的人脸识别算法研究

3．1最小平均相关能量滤波器的算法原理

3．2用于人脸识别的非线性相关滤波器组算法概述

3．3用于人脸识别的非线性相关滤波器组算法的研究

3．3．1 NCFB的算法过程

3．3．2非线性相关滤波器组应用于人脸识别

3．4仿真结果与分析

3．4．1子模块尺寸大小的选择

3．4．2过滤参数T的选定

3．4．3对光照变化的鲁棒性

3．4．4对姿势和面部表情变化的鲁棒性

3．4．5所提出算法的计算复杂度

3．4．6本算法的优越性

3．5本章小结

第四章基于镜像图的LRC和CRC偏差结合的人脸识别

4．1基于稀疏表示的人脸识别算法

4．1．1 LRC算法

4．1．2 CRC算法

4．1．3镜像图法

4．2镜像图与LRC和CRC偏差结合分类的算法

4．2．1镜像图与LRC和CRC偏差结合分类算法的流程图

4．2．2镜像图与LRC和CRC偏差结合分类算法的详细步骤

4．2．3合理性分析

4．3仿真结果及分析

4．4本章小结

第五章总结与展望

5．1研究总结

5．2展望

致谢

参考文献

作者简介