基于L0-SVM特征选择算法的研究及在人脸识别中的应用

摘要

人脸识别是模式识别的重要分支，人脸图像的检测和识别也是图像处理领域的代表性问题。由于受光照、表情和遮挡物以及人脸图像中朝向、大小差异等复杂因素的影响，使得人脸图像的识别非常困难。因此，研究准确、快速、稳定的人脸识别算法不仅对相关应用领域有重要的价值，而且可引申至目标识别、检测和跟踪等其他应用领域，具有深远的研究意义。本文针对人脸图像，提出了基于人脸关键点检测定位、Gabor块特征表征、L0-SVM近似函数构造和DC优化求解理论进行特征选择算法和人脸识别研究。
　　首先，对于自然场景的人脸图像，本文采用基于结构树模型的关键点检测方法，从自然场景的图像中检测得到人脸位置和68个关键点位置，并确定了人脸在图像中的旋转角度。
　　其次，基于关键点检测得到的人脸图像，对其进行灰度化、剪切、规范大小等预处理；并在现有Gabor特征的基础上，提出利用Gabor块直方图的特征来表征人脸各个关键点位置的信息。Gabor块直方图特征，即以关键点为中心的10*10 pixel作为一个block，将其分割为5*5的cell，对每个cell中求出所有像素点对应于8个方向，得到5个尺寸大小的Gabor特征，并叠加构成该cell的Gabor特征向量，4个cell的特征向量串联构成block的Gabor特征向量，而所有的block特征串联构成人脸图像的特征向量。
　　再次，鉴于Gabor特征向量维数过高、数量过大的特点，提出了利用L0-SVM的特征选择方法对其降维，去除其冗余和无关的特征。基于得到的特征子集合进行人脸识别，降低了运行时间和空间的复杂度，提高了分类的准确性。进而构造了关于L0-SVM恰当的近似函数模型，根据DC规划和DC算法的思想进行DC分解和迭代求解，并在理论上对其有效性进行论证。
　　最后，通过数值实验对本文所提算法进行了验证，证明了所提的算法的先进性和有效性。

目录

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文的主要研究工作

1.4 本文的研究路线图

2 基于Gabor特征的人脸表征方法

2.1 傅里叶变换及Gabor小波变换

2.2 其他图像表示特征

2.3 人脸的Gabor特征块表征

2.4 本章小结

3 基于L0-SVM特征选择方法研究

3.1 SVM基础知识

3.2 基于L0-SVM近似优化问题的DC规划

3.3 基于Gabor块与L0-SVM近似函数的特征选择算法

3.4 本章小结

4 基于L0-SVM的特征选择算法在人脸识别中的应用

4.1 人脸检测

4.2人脸图像的预处理

4.3 人脸关键点检测

4.4 Multi-PIE图像库的人脸识别实证分析

4.5 本章小结

5 结论与展望

5.1 本文总结

5.2 模型的创新点总结

5.3 模型的优缺点分析

5.4展望

致谢

参考文献

附录