基于小波變換和PCA類(lèi)方法的人臉識(shí)別技術(shù)研究.pdf

1、人臉識(shí)別的研究開(kāi)始于上世紀(jì)70年代,隨著科學(xué)技術(shù)及計(jì)算機(jī)技術(shù)的飛速發(fā)展,已經(jīng)成功應(yīng)用到很多領(lǐng)域。但其還存在著一些明顯的缺陷,例如在人臉表情、姿態(tài)、光照等條件不理想時(shí),算法性能將會(huì)大大降低,最終導(dǎo)致識(shí)別效果不好。因此,如何降低這些因素對(duì)人臉識(shí)別算法的影響是一個(gè)具有挑戰(zhàn)性的研究課題。
　　Chen等人提出的模塊二維主成分分析(M2DPCA)算法能夠有效地抽取到人臉的局部特征,但M2DPCA算法在構(gòu)造總體散布矩陣時(shí),使用的是所有子矩陣的

2、均值,并沒(méi)有考慮到人臉類(lèi)內(nèi)差異。由此,本文提出一種改進(jìn)的CA-M2DPCA算法,該算法直接基于二維子矩陣,利用每一子塊的類(lèi)內(nèi)平均值構(gòu)造總體散布矩陣,增加了類(lèi)間識(shí)別距離,在一定程度上,有效地減少了類(lèi)內(nèi)距離,提高了識(shí)別率。用MATLAB在Yale人臉數(shù)據(jù)庫(kù)上進(jìn)行了多組實(shí)驗(yàn)仿真,結(jié)果表明該算法優(yōu)于2DPCA和普通的模塊2DPCA算法。
　　在影響人臉識(shí)別率的因素中,尺寸和光照變化的影響相對(duì)來(lái)說(shuō)比較容易克服,而表情變化導(dǎo)致的識(shí)別率性能不好

3、則是一個(gè)難以克服的問(wèn)題。鑒于此,本文提出了基于小波變換和 CA-M2DPCA的人臉識(shí)別算法,該算法融合了小波變換和CA-M2DPCA算法的優(yōu)點(diǎn),具體如下:第一,引入了小波變換,利用了小波變換對(duì)表情變化不敏感的特性;第二,結(jié)合CA-M2DPCA算法做進(jìn)一步提取特征;第三,求出四個(gè)子圖的識(shí)別結(jié)果,按照每個(gè)子圖識(shí)別能力的大小,分別賦予不同的權(quán)值,得到最終的識(shí)別結(jié)果。用MATLAB軟件在ORL人臉數(shù)據(jù)庫(kù)上進(jìn)行了多組仿真實(shí)驗(yàn),驗(yàn)證了本文算法可以獲