论文部分内容阅读
目前,在人脸识别领域,研究重点为图像的分类方法和特征提取算法,其中后者最为关键,对人脸识别的最终效果起到决定性作用。Gabor变换不仅具有惊人地相似于人类的视网膜细胞的接受场模型,可获得频率和时间的最小不确定性,并且对外界干扰如光照、姿态、表情等变化的鲁棒性较强。然而,以Gabor变换为基础的传统人脸特征提取方法,首先通过卷积人脸图像和Gabor的多方向与多尺度核函数,然后级联与下采样后取得Gabor人脸特征。通过此种方法,会得到较高的维数,在识别时需要花费大量的时间,并且不具有旋转不变性,当人脸图像在平面旋转时,识别性能下降;局部二值模式(LBP)是对纹理进行分析的算子,由于具有简单的算法,计算过程并非过于复杂,较强的辨别能力等诸多优点,近些年来被人们广泛研究并使用,LBP算子具备较强的灰度不变和旋转不变的特性,可以降低旋转移位和光照不均的影响。基于Gabor的上述问题,本文采用Gabor小波和LBP相结合的特征提取方法,对人脸识别进行了研究,提出了均匀模式LBP算法。为进一步提高人脸特征提取的准确性和实际运用的灵活性,本文对Gabor小波和LBP提取的人脸特征进行优化选择和融合,提出了改进算法:即2D-Gabor小波和均匀模式LBP相结合的特征提取算法。本文算法有效提高了识别率和减少了数据冗余,并且灵活适用于常用的人脸库,有效地实现了人脸识别。本文的主要研究成果包含以下几个部分:1.首先,对人脸识别技术的研究背景和意义进行了介绍。然后,介绍了现有的国内外人脸识别算法,指出了其中的不足之处以及亟待解决的问题。最后,研究提出本文新算法,对本文结构安排和主要内容进行了介绍。2.对常用人脸识别系统进行了详细介绍,包括预处理等内容;介绍了较为典型的的人脸识别技术:以PCA为基础的人脸识别,并对人脸识别算法进行了实验仿真。详细介绍了Gabor变换。包括:滤波器组参数选择等方面;对以2D-Gabor为基础的人脸特征提取算法做出简要介绍;介绍了局部二值模式(LBP)。包括:LBP算子介绍、均匀模式LBP算法;3.提出改进算法,即2D-Gabor小波与均匀模式LBP结合的特征提取算法。研究了2D-Gabor小波内核窗口大小、LBP的分块模式、特征维数对改进算法识别性能的影响。最后对改进算法实施仿真实验和理论分析,对比传统算法,根据所做实验,验证算法的可行性与有效性。