论文部分内容阅读
局部特征分析(LFA)一种局部子空间方法，它所提取的局部特征点不但有图像的全局的统计意义，同时又着重强调了人脸图像的局部细节，而且它的特征是一种稀疏化的表示，因而它在低维表示里也十分有效。局部特征分析所提取的特征点主要分布在人脸的轮廓上，而在人脸五官上分布得相对较少。本文针对局部特征分析的特征点的分布特点，提出了基于图像分块局部特征分析的新方法，并应用于人脸识别上，具有重要的理论意义和应用价值。本文的主要工作有以下三方面：
一、本文对子空间上的人脸识别方法从“全局与局部”、“线性与非线性”两个角度作了综述。
二、本文提出基于图像分块的局部特征分析的新方法。该方法主要针对局部特征分析的特征点的分布特点，做了以下两点改进：
1、针对局部特征分析提取的特征点主要分布在人脸的轮廓上的特点，本文先对人脸进行根据五官位置进行分块，然后再对每个子块运用局部特征分析提取特征点，从而能够使特征点更多地集中在人脸的五官位置上，提高了识别的有效性。
2、根据五官位置的进行分块后，由于特征点主要集中于五官及其轮廓附近，于是有部分子块(如背景子块等)的特征点对整体的识别作用十分少。因此，我们提出把这些特征点稀少的子块丢掉的新思路，一来能够进一步地减少运算量，二来对识另}}率并不会有多大的影响。
三、把本文提出的基于图像分块局部特征分析的新方法应用于人脸识别上。主要针对ORL和Yale等人脸库做了一系列对比实验。