結(jié)合圖像預(yù)處理和位圖信息的人臉廣義主成分分析.pdf

1、目前，隨著生物特征在個(gè)人身份驗(yàn)證、安全監(jiān)控等方面的應(yīng)用，對(duì)人臉識(shí)別的要求十分的迫切。計(jì)算機(jī)人臉識(shí)別技術(shù)是利用計(jì)算機(jī)對(duì)人臉圖像進(jìn)行分析，進(jìn)而從中提取出有效的識(shí)別信息，用來“辨認(rèn)”身份的一門技術(shù)。 人臉識(shí)別系統(tǒng)包括三個(gè)重要環(huán)節(jié)：預(yù)處理、特征提取和分類器設(shè)計(jì)。作者對(duì)前兩個(gè)環(huán)節(jié)進(jìn)行了深入的討論。 在預(yù)處理環(huán)節(jié)中，我們提出了三種人臉圖像預(yù)處理方法：基于平均模板的圖像糾正，基于色彩分量平均模板的圖像糾正，基于人臉對(duì)稱性的圖像糾正。

2、這三種方法的基本原理是一致的：首先構(gòu)造人臉圖像的平均模板，然后利用人臉圖像與平均模板的差異來構(gòu)造糾正系數(shù)對(duì)圖像進(jìn)行糾正。三種預(yù)處理方法的區(qū)別在于它們的平均模板不同，計(jì)算平均模板的方法不同：基于平均模板的圖像糾正是以同一模式類別中訓(xùn)練樣本的平均值作為平均模板；基于色彩分量平均模板的圖像糾正是以彩色圖像的RGB分量的平均值作為平均模板；基于人臉對(duì)稱性的圖像糾正是以人的左右半邊臉中對(duì)稱像素的平均值作為平均模板。作者提出的預(yù)處理算法能使過亮區(qū)域

3、相對(duì)變暗，而過暗區(qū)域相對(duì)變亮，最終使整幅圖像灰度趨于均勻，削減了由光照引入到圖像中的亮斑和陰影，從而減少了人臉的類內(nèi)差異，使每一類樣本都向各自的樣本中心靠攏，使不同樣本類的可分性增強(qiáng)，有利于提高識(shí)別算法對(duì)光照的魯棒性。 在特征提取環(huán)節(jié)中，作者提出利用人臉圖像的位平面信息來提取輪廓形狀特征和紋理細(xì)節(jié)特征。對(duì)于訓(xùn)練樣本，將同一模式類中的多幅圖像的形狀特征取平均作為此模式類的類標(biāo)記，并將此類標(biāo)記分別與此模式類內(nèi)每幅圖像的紋理特征相融合

4、以構(gòu)造新的特征融合訓(xùn)練樣本圖像；對(duì)測(cè)試圖像，由于還不知道每幅圖像所屬的類，無法為圖像構(gòu)造類標(biāo)記，因此，將每幅圖像的形狀特征和紋理特征相融合構(gòu)造新的特征融合待識(shí)別人臉圖像。這樣，在訓(xùn)練樣本中，由于同一類中的人臉圖像具備共有的類標(biāo)記，類內(nèi)各樣本都向各自的類中心靠攏，它們的差異就在于細(xì)節(jié)特征上，而由于各細(xì)節(jié)特征根據(jù)其對(duì)識(shí)別貢獻(xiàn)的大小進(jìn)行了加權(quán)，引起類內(nèi)差異過大的細(xì)節(jié)特征的權(quán)重小，因此整體來說，經(jīng)過特征融合后的樣本的類內(nèi)差異減小，類間距離增大，