论文部分内容阅读
人脸图像检索技术由于它在身份识别、电子商务，金融安全等方面具有巨大应用前景而成为当前模式识别和人工智能等领域的一个研究热点。人脸图像检索技术包括：人脸检测技术、人脸识别技术和数据库技术。人脸识别技术则是人脸图像检索技术的核心。人脸识别技术经过近半个世纪的发展，基本上实现了特定环境下的准确识别，并已取得较多成果。尽管如此，人脸识别技术要达到完全实用的水平，还面临着许多挑战，因人脸易受表情、光照等因素影响，如何提取有效的人脸鉴别特征是人脸识别的关键问题之一。本文主要针对人脸图像检索中的人脸特征提取及识别技术进行研究，主要研究工作与创新点如下：1）介绍了PCA，LDA和MSD三种人脸特征提取方法，并在ORL、YALE人脸库上进行了对比实验。实验结果表明，MSD方法的识别性能优于LDA和PCA方法。2）针对传统二维核主成分分析(K2DPCA)方法没有充分利用人脸的类别信息，在人脸识别中存在边缘类及硬分类问题，提出了基于模糊二维核主成分分析(FK2DPCA)的人脸识别方法。首先在K2DPCA中引入模糊概念；其次利用核学习方法将类别可分性判据推广到高维特征空间中；然后选取符合投影后的类间散度大于类内散度的特征向量为最优投影轴；最后采用最近邻分类器进行分类识别。在ORL和YALE人脸库上的实验证明了FK2DPCA性能优于传统人脸识别方法。3）针对核最大散度差(KMSD)方法在人脸识别中存在边缘类和次优性问题，提出了基于核主成分分析(KPCA)和模糊最大散度差(FMSD)的人脸识别(KFMSD)方法。首先利用KPCA方法提取人脸的非线性结构特征；其次选取符合投影后的类间散度大于类内散度的特征向量为最优投影轴；然后用FMSD方法，根据隶属度函数将样本的原始分布信息完全融入到人脸的特征提取中；最后采用最近邻分类器进行分类识别。在ORL和YALE人脸库上的实验证明了KFMSD算法的有效性。4）针对双向最大散度差判别分析方法在人脸识别中不能有效地提取人脸的非线性鉴别特征和存在边缘类及硬分类的问题，提出了基于二维核主成分分析和模糊最大散度差的人脸识别方法。首先利用K2DPCA方法提取人脸的非线性结构特征；其次选取符合投影后类间散度大于类内散度的特征向量为最优投影轴；然后用FMSD判别方法，根据隶属度函数将样本的原始分布信息完全融入到人脸的特征提取中；最后采用最近邻分类器进行分类识别。在ORL和YALE人脸库上的实验证明了2DKFMSD算法的有效性。