论文部分内容阅读
人脸检测与识别技术是模式识别、计算机视觉领域内具有理论价值和应用前景,且极具挑战性的研究课题之一。影响人脸识别的主要的因素有光照、视角、表情等。在这些变化的影响下,同一个人的不同变形体的差距有时候大于另外一个人的图像。因此,进行人脸识别时,所选取的特征描述量必须对这些因素具有一定的不变性和稳定性。不变矩具有平移、大小、灰度、旋转等多畸变不变性,这一点非常适合描述和识别人脸图像。本文首先针对极坐标系中定义的变形雅可比(p=4,q=3)-傅立叶矩(PJFM’s)提出了一种直接在笛卡尔坐标系中计算的改进算法,并将其应用于二值图像的描述和重建实验。实验结果表明该算法在计算误差和计算速度方面都有明显的改善,改进的算法不仅降低了计算复杂度,而且也减少了在坐标转换期间的取整误差。改进算法还提高了计算变形雅可比矩的精度,也提高了识别率。这正是本文的创新之处。其次用改进后的变形雅可比矩模拟描述不同类型图像的平移、旋转、灰度、尺度等变化后的多畸变图像,发现同类图像的不同变形体的变形雅可比-傅立叶矩(PJFM’s)值基本相同,而不同图像的变形雅可比-傅立叶矩(PJFM’s)有着完全不同的数值。改进后的变形雅可比矩具有更好的多畸变不变性。然后通过对人脸图像重建和计算重建误差,证明了改进后的变形雅可比矩比传统算法更具有好的图像描述性能和小的重建误差。同时发现改进算法后的变形雅可比矩描述图像所需的矩数目更少,且重构图像后在图像边缘信息几乎没有丢失。最后以ORL人脸数据库的人脸图像为研究对象,首次采用改进后的变形雅可比矩对ORL人脸图像进行数字化描述和识别。将ORL人脸数据库中的400幅图像的380幅作为训练样本集,用改进的PJFM’s建立了相应的不变矩数据库。采用欧氏距离分类器,进行两组人脸识别实验,结果理想,平均识别率达89.35%。