Face Recognition and Matching Enhancement Based on Wavelet Transform.pdf

1、人臉識別是圖像處理和計(jì)算機(jī)視覺領(lǐng)域的一項(xiàng)重要研究內(nèi)容，其主要目的是通過匹配數(shù)據(jù)庫來檢測輸入的測試人臉圖像屬于哪一類別。臉部識別率指的是正確識別出的臉部圖像的比率?？赏ㄟ^使用圖像處理原理增強(qiáng)面部圖像本身或通過增強(qiáng)用于識別的技術(shù)來提高臉部識別率。本文采用兩種方法來增強(qiáng)人臉識別效果:一是在用小波去噪方法對人臉圖像進(jìn)行預(yù)處理的基礎(chǔ)上提出一種新的基于主成分分析的方法對人臉進(jìn)行識別，二是采用身份識別方法對基于尺度不變特征變換的匹配過程進(jìn)行增強(qiáng)。本文

2、的主要研究內(nèi)容概述如下:
　　1.對有噪音和無噪音時(shí)的人臉識別率進(jìn)行了對比。我們采用基于小波變換的圖像去噪方法利用ORL人臉庫來構(gòu)建新的人臉庫，然后對其計(jì)算人臉識別率。通過基于單一濾波器(Haar， Daubechies和Symlet)，圖像文件格式（JPG和BMP），以及兩種預(yù)處理環(huán)節(jié)對圖像進(jìn)行降噪，提高了人臉識別率。本文設(shè)計(jì)了三個(gè)實(shí)驗(yàn)以檢驗(yàn)單一濾波器的增強(qiáng)效果，實(shí)驗(yàn)一中利用直到10層的小波分解來對ORL去噪，PCA則被用于衡量

3、正確率。根據(jù)第一個(gè)實(shí)驗(yàn)結(jié)果中表現(xiàn)最好的分解層（1，2，3和10），在第二個(gè)實(shí)驗(yàn)中對ORL人臉庫的不同類別進(jìn)行降噪。實(shí)驗(yàn)三中，我們將Haar10應(yīng)用于PCA、線性判別式分析(LDA)，核PCA和Fisher分析(FA)等人臉識別方法，并對含有噪聲和不含噪聲的人臉數(shù)據(jù)庫進(jìn)行識別。對JPG和BMP格式人臉圖像，本文研究對比了含有和不含小波變換去噪過程對單一的濾波器用于人臉識別的效果。此外，本文還引入了兩個(gè)自適應(yīng)的圖像增強(qiáng)和去噪環(huán)節(jié)，每個(gè)環(huán)節(jié)均

4、包括三個(gè)步驟。第一個(gè)環(huán)節(jié)中，首先利用10層分解的Haar小波濾波器對人臉圖像進(jìn)行去噪，再調(diào)整降噪后的圖像對比度，最后利用高斯拉普拉斯高通濾波器處理人臉邊緣，從而提高了PCA和核PCA的識別率。第二個(gè)環(huán)節(jié)中，首先調(diào)整圖像對比度，再利用直方圖均衡化，最后利用10層分解的Haar小波濾波器進(jìn)行去噪，從而提高了線性判別式分析和核Fisher判別分析(KFA)的識別率。
　　我們提出的改進(jìn)算法得到了更好的結(jié)果，在400幅人臉圖像數(shù)據(jù)庫測試中

5、，比PCA，LDA，KPCA，和FA在識別率方面分別提高了10％，5％，20％和4％。
　　2.提出了一種新的基于自適應(yīng)主成分分析(APCA)和去噪數(shù)據(jù)庫的人臉識別方法。此方法使用Daubechies濾波設(shè)計(jì)了一種新的基于單級二維離散小波變換的主成分分析方法，克服了PCA缺乏辨別能力和計(jì)算復(fù)雜度高的兩個(gè)缺點(diǎn)。ORL人臉庫所有的人臉圖像被轉(zhuǎn)換為JPG文件格式，并利用10層的Haar小波分解進(jìn)行去噪，目的是為了闡明:基于小波變換的JP

6、G文件比原始的PGM文件格式具有一定優(yōu)勢。與標(biāo)準(zhǔn)統(tǒng)計(jì)主成分分析，核主成分分析，Gabor主成分分析和BP神經(jīng)網(wǎng)絡(luò)主成分分析四種方法相比，本文提出的自適應(yīng)方法在提高準(zhǔn)確率，減少運(yùn)行時(shí)間和計(jì)算復(fù)雜性方面均有較好的效果。
　　3.提出了一種新的人臉識別方法。該方法由三部分組成:去噪人臉數(shù)據(jù)庫，基于小波變換的自適應(yīng)主成分分析(APCAWT)方法和尺度不變特征變換(SIFT)方法。其主要思想是在利用APCAWT對ORL數(shù)據(jù)庫進(jìn)行壓縮和去噪的

7、基礎(chǔ)上擴(kuò)展SIFT特征，利用JPG格式進(jìn)行壓縮，利用雙小波濾波器（10層分解的BIOR1.1和Haar）進(jìn)行去噪。由于在SIFT算法中融入了用于特征提取的PCAWT特征臉方法，因此，只需根據(jù)特定的閾值比較屬于正確匹配聚類的SIFT特征。文中給出了若干實(shí)驗(yàn)用以評估我們所提出的去噪濾波器的性能、PCAWT的性能，以及整個(gè)APCAWT-SIFT方法的效果。我們發(fā)現(xiàn)，使用APCAWT可以減少輸入到SIFT的人臉圖像的大小，這導(dǎo)致面部圖像關(guān)鍵點(diǎn)的