论文部分内容阅读
目前人脸识别大多是基于近距离、正面的，基于远距离、侧面的不多，远距离身份识别具有不易让被识别人发现的特点。但基于远距离条件下的侧面人脸目标图像的分辨率低，其细节不易分辨，为提高识别率，在识别前需对一个周期的侧面人脸图像进行超分辨率重建。在研究超分辨率重建及识别技术的基础上，提出了一种新的自适应正则化超分辨率重建算法，并实现了远距离侧面人脸重建与识别原型系统。主要研究内容与工作如下：（1）图像配准方面，提出基于亮度一致性模型和分段平滑模型相结合的非刚性配准方法，并结合高斯金字塔实现由粗到细的亚像素级运动估计，既考虑到了图像整体的线性变换，又考虑到了图像局部的非线性变换，使配准结果更加精确。（2）重建算法方面，在基于L1范数的超分辨率重建算法框架内，引入模糊熵作为图像空间灰度变化剧烈程度的判断。采用模糊熵的邻域一致性测度作为正规化项的权重系数，能很好的识别图像的棱边及平滑区域，针对不同的图像区域采用不同的正则化权重，能够很好的保持棱边区域的锐化性和平面区域的平滑性。（3）识别算法方面，结合二向图像矩阵主成分分析和多重判别分析法对人脸特征进行提取。首先利用二向图像矩阵主成分分析对侧面人脸图像进行特征提取和降维处理，得到初始特征矩阵，对特征矩阵进行矢量化得到特征向量；接着利用多重判别分析对特征向量对人脸特征进行特征提取融合，得到融合特征向量；最后通过最近邻分类器进行分类识别。实验结果证明重建后的人脸得到较好的识别效果。（4）研究开发了远距离侧面人脸重建与识别原型系统。利用中科院CASIADataset B数据库对原型系统进行验证和评估，证明重建及识别方法的有效性。