论文部分内容阅读
人脸识别算法经过近几十年的发展,虽然成果丰硕,但仍有不少问题值得进一步研究。实际上,由于人脸识别问题的复杂性,且易受外界环境因素的影响,要同时达到高识别率和稳定性仍比较困难。本文分别提出了两种不同的特征提取算法和两种不同的分类识别算法,在人脸库中的仿真实验验证了本文新算法的有效性,最高识别率可达99%。论文的主要研究工作如下:(1)针对人脸图像易受光照和噪声变化影响的问题,本文提出了一种新的基于Gabor滤波与二级CS-LTP结合的人脸局部特征提取算法。将人脸图经过Gabor滤波后,再连续两次对滤波后的图像进行CS-LTP编码,对编码后的图像再进行特征提取,最后进行分类识别。在Yale和ORL人脸库中分别进行的光照实验和噪声实验表明,本文新算法对光照变化和噪声抑制有着良好的鲁棒性,人脸识别精度更好。(2)针对提取人脸全局特征以及部分样本离群的问题,本文提出了一种新的基于分块PCA与改进的模糊LDA算法结合的人脸全局特征提取算法。新算法首先利用分块PCA算法对人脸图像进行特征提取,并对子块特征赋予不同的权值,然后再利用改进的模糊LDA算法对特征矩阵进行投影,最后进行分类识别。在Yale人脸库中进行的仿真实验表明,本文新算法能够较好地解决部分样本离群问题,并且能提取更有利于分类识别的特征向量,明显提高了人脸识别率。(3)针对传统分类器识别率低且耗时长的问题,本文在SVM算法的基础上提出了一种基于新的可分性测度的完全二叉树SVM多分类识别算法。新算法利用新的可分性测度作为区别不同类的准则,以完全二叉树的结构形式应用SVM算法,实现人脸的分类识别。在ORL人脸库中进行的多种分类算法的比较实验表明,本文新算法较之传统的分类算法,分类时间更短,识别精度更好。(4)针对全局特征和局部特征对人脸图像描述的内容和作用不同的问题,本文提出了一种利用LBP与SVM级联全局和局部特征的人脸识别算法。新算法利用LBP编码算法对人脸图像进行编码,并提取全局特征和局部特征,在人脸识别阶段,首先利用全局特征进行“粗略”地识别,然后再利用局部特征对多个“候选者”进一步识别,得到确定的人脸类别。在GT人脸库中进行的仿真实验表明,本文新算法的识别精度明显比单一的识别过程识别精度高。