论文部分内容阅读
人脸作为独特的、最常见也极易为人们接受的生物特征,其结构非常复杂、表情丰富,而且人脸在成像过程中还会受到周围光线,成像角度以及成像距离等诸多因素影响,因此人脸识别算法的性能主要取决于如何有效提取输入人脸图像的自然特征；同时由于人脸图像的数据信息通常都是高维的,使用过程中很容易会遇到“维数灾难”问题。如何充分、有效的提取人脸的自然特征；如何有效的对数据进行降维以规避”维数灾难”成为人脸识别算法研究的重点。本文在研究国内外相关成果及最新研究进展的基础上,对人脸识别降维算法进行研究并对相关算法进行改进,使改进后的算法能够更充分、有效的提取人脸自然特征,从而提高算法的识别效率。主要工作和成果包括以下几个方面：1.提出一种改进的人脸识别方法——基于镜像奇偶图像特征组合的人脸识别方法。通过图像的镜像变换和奇偶分解原理提取图像的镜像奇、偶对称图像,在分别提取镜像奇、偶对称图像的特征向量,然后将镜像奇、偶对称图像的特征向量合理的组合成一个新的组合特征向量,新的特征向量能够充分提取人脸图像的有效特征,从而提高算法的识别效果。2.进一步研究了在图像中加入噪声后基于镜像奇偶图像特征组合的人脸识别方法中镜像奇对称图像分量的本征向量和镜像偶对称图像分量的本征向量在组合后的新本征向量中占的比例情况。3.针对基于单个核函数的KPCA人脸识别方法性能的局限性,本文改进得到——基于组合核函数KPCA的人脸识别方法。将性质上具有互补特性的多个单核函数合理的组合在一起形成新的组合核函数,组合形成的核函数将汲取组合中各单核函数的特性,其整体性能将优于组合中的各单核函数,同时使算法的鲁棒性和泛化性也得到很大提高。本文将高斯核函数分别与线性核函数、多项式核函数组合形成新的组合核函数应用于基于KPCA的人脸识别方法。通过实验表明,该组合核函数KPCA方法的性能优于PCA和基于单核KPCA的人脸识别方法。