论文部分内容阅读
随着计算机科学技术的迅速发展，人脸识别技术已经取得了许多重大的研究成果和突破性的技术，但是人脸识别依然是一项比较艰难的课题。人脸图像在采集过程中容易受到复杂环境的影响，比如噪声、光照、姿势、表情、遮挡、仿射变换等的影响。现有的主成分分析、Fisher线性判别法等人脸识别方法，在受到这样的影响下识别率会急剧下降。而基于局部图像特征点的方法由于对外界影响的不敏感性，现在成为人脸识别的主流技术和发展趋势。 R.G.Stockwell于1996年提出了S变换理论，S变换时频分析融合了小波变换和STFT的优点，可以对图像实现时频两域的分析，有效的保留了图像的空间信息和频率信息。本文提出了基于离散正交S变换特征的人脸识别算法，在特征表达方面使用由离散正交S变换演变而来的二维离散正交S变换方法，对人脸图像进行离散正交S变换，得到特征矩阵;在特征提取方面，使用主成分分析方法来进行特征矩阵的降维提取;人脸图像的分类器则采用识别性能比较优越的支持向量机。 本文的主要工作和创新点如下: (1)本文首先系统的介绍了人脸识别的预处理方法。然后从基于提取人脸局部特征、基于提取人脸整体特征和两者结合三个方面出发，详细的介绍了已经大量使用的人脸特征提取方法，其中的Gabor滤波器、主成分分析、核Fisher判别分析、线性判别分析人脸识别方法是本文算法的对比实验方法，因此进行了比较详细的介绍。 (2)本文对S变换的基本理论进行了比较详细的阐述，分析研究了S变换的特征以及S变换与小波变换的关系，基于S变换的时频分析技术融合了短时傅里叶变换和小波变换的特点。因为S变换的计算复杂度比较高，存储空间需求量大，为了解决这两个问题，R.G.Stockwell提出了S变换计算的简化算法，即离散正交S变换算法，很大程度上减小了系数的规模，从而减小的算法的存储空间需求。快速离散正交S变换通过离散正交S变换算法的理论基础与快速傅里叶变换算法结合来实现，降低了离散正交S变换系数计算的时间复杂度。 (3)本文从人脸特征的角度出发，提出一种新的人脸识别方法，即基于离散正交S变换特征的人脸识别算法。首先，对人脸图像进行二维离散正交S变换得到人脸图像的特征，然后通过主成分分析对特征矩阵进行降维，提取特征向量，形成特征矩阵，最后用支持向量机分类识别。通过与Gabor滤波器、主成分分析、核Fisher判别分析、线性判别分析人脸识别方法进行对比实验，结果表明，该方法取得了很好的识别效果，实验同时验证了训练样本数和特征向量维数对最终的识别结果有着比较大的影响。本文还将原算法中的主成分分析方法，替换成核Fisher判别分析和线性判别分析方法，与原先的算法进行对比实验，结果表明，基于离散正交S变换特征+多种降维特征提取+支持向量机的人脸识别方法的这种算法模式都有着比较好的识别效果。