基于颜色信息的SIFT算法和形状上下文的人脸识别研究

摘要

早在20世纪70年代，就有学者对人脸识别的问题进行了初步研究。随着科技的不断进步和快速发展，近年来，人脸检测和识别技术取得了很大进步。人脸图像信息处理有着广泛的应用，目前各种人脸识别设备已投产于实际的生活中，比如旅游出入境的安检、公安监控侦查系统、智能手机的人脸识别等。
　　DavidG.Lowe在1999年提出了尺度不变的特征(Scale-InvariantFeature)，简称SIFT，用来进行物体的识别和图像匹配等，这种算法在2004年被加以完善和改进。SIFT算法在很多方面都有应用，比如物体识别、定位、图片拼接和手势、指纹、人脸等识别。SIFT算法的特征点对于旋转、尺度缩放、光照变化有着很好的鲁棒性。
　　在分析和研究了国内外学者对人脸识别的现状及研究后，本文以人脸识别中局部特征点作为主要研究方向，通过改进SIFT特征描述子，使其独特优势应用于人脸识别方法中，并针对SIFT算法对于彩色图像中彩色信息的不敏感，做了改进，并加入了形状上下文算法，综合提高识别的准确性。实验结果证明了本算法的有效性。本文完成以下主要工作:
　　1.提出了基于颜色信息的SIFT算法。由于SIFT算法只能识别灰度图像的图片，而现在的图片大都是彩色的，特别是人脸图片。加入图片的彩色信息，可以提高识别的准确率。通过大量实验对比，本文采用H分量加入到SIFT算法中。实验结果表明基于彩色信息的SIFT特征算法能够有效地识别人脸的图像，可以达到81.25％以上的识别率。
　　2.提出了SIFT算法和形状上下文算法的SC_SIFT融合算法。将SIFT的特征点和SC的特征点组合成级联特征点，再代入到SIFT算法中进行匹配。实验结果表明，此方法具有很好的识别效果，可以达到90％以上的识别率，比SIFT算法提高了8.75％。
　　3.最后加入偏最小二乘法(PLS)，消除误匹配点。对改进后的SCSIFT算法匹配后的结果通过使用偏最小二乘法的方法来进行重新计算，将影响函数中值大的特征点，作为要剔除的错误匹配点，从而提高两幅图片匹配的准确率。

目录

摘要

第一章 绪论

1．1 研究背景

1．2 SIFT相关研究动态

1．3 本文的主要工作

第二章 基于SIFT的人脸识别

2．1 引言

2．2 SIFT算法介绍

2．2．1 尺度空间极值检测

2．2．2 关键点的精确定位

2．2．3 关键点的方向分配

2．2．4 关键点特征描述

2．3 关键点匹配

2．4 消除错配点

2．5 实验

2．6 本章小结

第三章 基于颜色信息SIFT算法人脸识别

3．1 引言

3．2 颜色空间

3．3 各颜色空间概述

3．4 基于颇色信息的SIFT算法的人脸识别

3．4．1 颜色描述子

3．4．2 H描述子

3．4．3 步骤

3．5 实验

3．6 本章小结

第四章 结合形状上下文算法的人脸识别

4．1 引言

4．2 形状上下文

4．2．1 形状上下文定义

4．2．2 边界的提取

4．2．3 对数极坐标变换

4．2．4 Cost矩阵的计算

4．2．5 形状匹配

4．3 彩色SIFT算法和形状上下文的结合

4．4 偏最小二乘方法

4．5 实验

4．5．1 实验步骤

4．5．2 实验结果

4．6 本章小结

第五章 总结

5．1 工作总结

5．2 创新内容

5．3 进一步的工作

参考文献

致谢

攻读硕士学位期间已发表或录用的论文

声明