混合噪聲人臉識別研究.pdf

1、因為人臉的穩(wěn)定性、非侵犯性、安全性等特點，人臉識別一直是學者們研究的熱點。與其他人體生物特征識別方式相比,人臉識別具有方式友好,采樣方便,無需接觸等許多優(yōu)點,并且，人臉特征具有很強的自身穩(wěn)定性和個體差異性，是身份驗證的理想依據(jù)，所以，對人臉識別研究具有重要的學術研究價值和廣泛的應用前景。但目前大多數(shù)研究都只針對單噪聲人臉圖像的預處理、特征提取、識別與分類，而實際采集到的圖像信號還受到椒鹽噪聲、高斯噪聲等混合噪聲的影響。
　　作為人

2、臉識別的關鍵環(huán)節(jié)，預處理主要包括降噪、定位和歸一化等操作。降噪方面的方法主要包括硬閾值、軟閾值和半軟閾值，但該類方法仍舊存在兩方面的問題：一是閾值函數(shù)連續(xù)性；二是估計小波系數(shù)與含噪信號小波系數(shù)之間存在恒定偏差的問題（簡稱“恒定偏差問題”）。針對此類方法的不足之處，人們提出了很多改進方案，但仍未完全解決問題，要么只解決恒定偏差問題；要么只解決函數(shù)連續(xù)性問題。為了克服上述存在的問題，本文著重研究椒鹽噪聲和高斯噪聲構成的混合噪聲人臉識別問題。

3、為了模擬現(xiàn)實中噪聲的異常干擾，本文對數(shù)據(jù)庫中的人臉圖像添加了高斯和椒鹽兩種隨即噪聲，首先提出一種改進閾值降噪函數(shù)，完全解決傳統(tǒng)降噪法的兩大問題，并對比分析去除椒鹽噪聲和高斯噪聲兩種混合噪聲的降噪效果。
　　人眼定位是人臉識別系統(tǒng)較為關鍵的環(huán)節(jié)，它會影響到后期的特征提取與識別率。目前的很多人眼定位實驗都假定面部關鍵特征點是已給定的，或在條件允許情況下要求用戶進行一定程度的交互，目前還缺乏一個通用而又完善的人眼定位模版。為此，本文提出

4、了加權混合投影函數(shù)，它能快速地實現(xiàn)人臉姿態(tài)、光照變化及佩戴眼鏡下的眼部定位。人臉圖像特征提取對于人臉識別的魯棒性和效率都有著決定性作用，故人臉識別過程中，特征提取是至關重要的一個步驟，而所提取特征的好壞與特征提取方法和前期圖像預處理工作有緊密聯(lián)系，為了提取有效分類特征，本文結合運用了2DPCA_LDA和ILPP特征提取算法提取具有較高的實用價值的人臉特征，能根據(jù)不同板塊的需求更精確地提取全局或局部特征；最后采用SVM分類器對前期處理后的