融合多種圖像特征的人像檢索技術(shù)研究.pdf

1、圖像資料以其生動(dòng)而又形象的特點(diǎn)充斥著人們的生活。圖像數(shù)據(jù)的不斷豐富與增長，強(qiáng)烈要求對(duì)其進(jìn)行快速、自動(dòng)而又有效的檢索，基于內(nèi)容的圖像檢索便是在這樣的背景下得到了前所未有的發(fā)展。檢索過程中，由于人臉是一種重要的視覺信息，包含有人物的圖片往往更能讓人感興趣。
　　 文章針對(duì)如何從大量“雜亂無章”的圖像中找到包含有某個(gè)特定人物的圖像這一具體問題進(jìn)行研究，采用先縮小檢索范圍后確定人物身份的思想，將圖像分為兩大類——“包含有人物的”與“不包

2、含人物的”，對(duì)包含有人物的圖像進(jìn)行身份驗(yàn)證(人臉識(shí)別)。文章圍繞融合多特征的“圖像分類”與“人臉識(shí)別”這兩個(gè)關(guān)鍵問題做了如下幾方面的工作：
　　 (1)為實(shí)現(xiàn)圖像分類預(yù)處理，首先分析了圖像的各種特征描述與提取。
　　 對(duì)作為訓(xùn)練樣例的圖像，使用局部累積直方圖法提取顏色特征，紋理特征的提取則借助于灰度共生矩陣的方法。融合這兩種特征并將其表示為屬性與值的序偶，訓(xùn)練得到分類圖像的決策樹，將圖像分為兩大類。
　　 (2)

3、在得到包含有人物的圖像之后，利用harr-like特征，以基于Adaboost算法的學(xué)習(xí)方法訓(xùn)練得到分類器，實(shí)現(xiàn)人臉的檢測并進(jìn)行分割。
　　 之后分別利用Gabor小波變換與局部二值模式(LBP)提取并融合人臉圖像的全局與局部特征，進(jìn)而設(shè)計(jì)并訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)人臉識(shí)別。
　　 (3)由于決策樹方法與人工神經(jīng)網(wǎng)絡(luò)方法同屬于機(jī)器學(xué)習(xí)范疇，為了避免過度擬合問題并高效利用訓(xùn)練樣例，需要對(duì)分類器準(zhǔn)確率做出有效的評(píng)估。文章研究現(xiàn)有