论文部分内容阅读
生物特征识别就是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性和行为特征来进行个人身份的鉴定。包括人脸识别、指纹识别、虹膜识别、声音识别等。其中人脸识别具有主动性、直观性、非侵犯性和用户友好等优点。其在自动视频监控、身份识别、访问控制、视频检索等方面有着广泛的应用，近几十年来得到了蓬勃的发展。Gabor滤波器(小波)能很好地模拟哺乳动物视觉皮层简单细胞2D感受野剖面，显示出良好的空间局部性和方向选择性，一幅人脸图像的Gabor小波表征(也称为Gaborface)具有对光照和表情变化的鲁棒性，因此被成功应用于许多人脸识别系统中。本文主要的研究内容是基于Gabor小波的人脸识别算法。本文的主要工作和创新点如下：
(1)提出了一种基于局部特征的二维Gabor小波窗方法，这种方法考虑到人脸图像的结构信息和局部特征，对小波窗口覆盖的眼睛、鼻子、嘴巴、黑痣、酒窝、伤疤等局部特征分别进行了Gabor小波的特征提取，比对整幅图像做一次小波变换更能突出这些局部特征，使其在特征空间中得以增强，这些局部特征对于人脸识别起着至关重要的作用。另一方面，将局部子图像与Gabor小波函数进行卷积，与原有算法相比降低了运算量。
(2)提出了一种基于线性相关准则的优化Gabor滤波器集合的方案，从而得到一组优化的滤波器集合可以尽可能的不相关以减少特征集合的冗余。与目前广泛使用的根据图像尺寸来选取滤波器中心频率和带宽的方法相比，本文作者的方法是从一个完全不同的角度出发。由于人类对于视觉原理的全面认识仍有一段很长的距离，因此在某种程度上，本文作者的方法对于选取滤波器频率的研究具有创新性。
(3)本文还提出了两种二维Gaborface表征方法：整体Gaborface表征(EGFR)和多通道Gaborface表征(MGFR)。与常规的基于一维降采样后的Gabor特征向量的方法相比，本文作者的方法是基于二维Gaborface特征矩阵，而不再通过采样的方法来提取一个特征矢量。因此没有因为采样或压缩处理引起任何的信息损失。通过比较MGFR算法中几组通道的性能，本文作者也发现方向通道比尺度通道包含更多的辨识信息。
(4)本文还在不同通道以及不同姿态下，测试了六种融合规则结合四种score归一化方法的性能，发现实验结果都满足一些相近的规律：1)对于多数投票融合规则，四种归一化方法的结果完全相同，即这种融合规则对不同的归一化方法不敏感；2)除了积融合规则，Z-score和Tanh归一化方法在其他每种融合规则下得到的结果是相同的，也就是说，只要不采用积融合规则，那么选取Z-score或Tanh归一化方法是等同的；3)对于和、积、中值和多数投票融合规则，这四种归一化方法的结果只有细微差别，而对于最大、最小融合规则，不同归一化方法的结果差别相对较大。
(5)本文尝试自动提取人脸图像的Gabor小波特征以形成局部特征矢量，并采用Fisher判别标准对不同区域提取出来的局部特征矢量进行加权，将加权后的特征矢量作为观测向量，用以训练嵌入式的隐Markov模型。