论文部分内容阅读
随着电子商务等应用的发展,人脸识别已成为最有潜力的身份验证手段之一,而特征提取作为人脸识别中最重要的环节,受到了人们的高度重视。小波变换是一种时频分析方法,通过小波变换可以滤掉高频信息,仅采用低频子图来进行识别。非负矩阵分解算法是目前国际上提出的一种新的矩阵分解方法,与其他矩阵分解方法相比,NMF特殊之处在于其矩阵分解过程的非负限制,这个限制会得到原始数据基于局部的表示,从而能更好的反映原始数据的局部特征。研究基于小波变换和非负矩阵的人脸识别方法具有理论意义和实际价值。本文提出了一种利用小波变换和非负矩阵稀疏分解(NMFs)算法提取人脸特征的方法,并将该方法与经典NMF算法、WT+LNMF算法进行了计算时间、识别率等各方面的对比分析,得出了很多有意义的结论。本文首先综述了脸识别和非负矩阵分解算法(NMF)的历史发展,总体论述了各种人脸识别的方法。然后,研究了非负矩阵分解算法(NMF),着重从理论上分析了NMF分解方法的性能特点和应用优势,并在研究了经典NMF算法的基础上,对改进的LNMF算法和NNFs算法进行了深入的研究。之后,研究了小波变换的理论以及在人脸识别中的应用。主要包括小波变换的定义、多分辨率分析、二维离散小波变换以及图像空间的小波分解等。在以上基础上,本文提出了基于小波和NMFs的人脸识别方案,进行了相关实验,并对实验结果进行了分析。首先对直接NMFs方法和三种不同小波基的WT+NMFs方法进行了对比,然后分别在面部无遮挡、眼部遮挡、唇部遮挡和随机位置遮挡的情况下,改变r值和稀疏度,进行识别率比较,最后还采用WT+LNMF方法,分别在有遮挡和无遮挡情况下改变r值进行了实验,实验结果表明,本文所提出的方法简单易行,降低了计算复杂性,对人脸表情和部分遮挡不敏感,具有良好的健壮性和较高的识别效率,特别是当遮挡情况较为严重时,WT+NMFs算法有较好的鲁棒性。最后对所做工作进行了回顾和总结,并对未来的工作提出了一定的展望。