论文部分内容阅读
随着生物识别技术的发展,人脸识别技术已经在各行各业得到广泛应用,特别是在公共安全和生产中发挥着重要作用。与其他生物识别技术相比,人脸识别具有方便、便捷、高效、安全等优点,为其成功应用和普及奠定了基础,更是成为时下研究的热点。但人脸识别在实际应用场景中还是受光照、表情、姿态以及遮挡等因素的影响,这是人脸识别技术研究的重要之处,这使得人脸识别研究面临巨大的挑战,需要继续深入研究。多尺度几何分析的方式,是在最优逼近意义的背景下,揭示高维函数的具体表达。此方式是源于人眼对事物的感知过程的模拟,揭示不同特征子带,具有丰富的分辨率,同时可以很好处理局部和整体的关系,因此将该技术应用于图像处理领域时,可以获得更好的融合效果。局部方向模式(Local Directional Pattern,简称LDP)是一种比较优秀的局部特征提取方式,因其特征提取方式较为简洁,从而对人脸总体信息提取不够充分,针对局部方向模式的人脸识别算法研究,提出了相应人脸识别改进算法。论文主要研究内容包括:(1)针对人脸识别中姿态变化、光照变化、表情变化造成的识别率不高的问题,提出一种非下采样Contourlet变换(Non-subsampled Contourlet Transform,NSCT)与绝对值型中心对称局部方向模式(Absolute Center of Symmetry Local Directional Patterns,ACSLDP)相结合的人脸识别方法。首先,对简单预处理后的人脸图像进行NSCT处理,得到多个不同尺度以及不同方向的子带图像,然后计算子带图像进行改进的局部方向模式算法特征提取得到ACSLDP特征,之后再对每一幅子图像进行分块,利用信息熵对每块子图像进行加权,统计直方图特征信息,将所有子图像直方图连接起来,作为整个算法的人脸特征,用最近邻分类器识别。在ORL、YALE和CAS-PEAL-R1人脸库上进行测试,实验结果表明对人脸图像有比较强的识别能力,特征维数小,且对姿态、光照、表情变化具有较好鲁棒性。(2)为了使人脸图像信息提取的更充分,得到更多的人脸特征信息,提出一种非下采样Shearlet变换(Non-subsampled Shearlet Transform,NSST)与绝对值型双中心对称局部方向模式(Absolute Double Center Symmetry Local Pattern,ADCSLP)相结合的人脸识别。ADCSLP编码的低4位由中心对称局部二值模式编码规则构成,ADCSLP编码的高4位由绝对值型中心对称局部方向模式编码规则构成。对比LDP、CSLDP、DLDP、GCSLDP算法,ADCSLP算法既考虑原始数据空间信息,也考虑了梯度空间信息,充分利用了原始空间和梯度空间的人脸特征信息。在YALE、AR人脸库上,NSST与ADCSLP相结合的人脸算法均取得了较高的识别效果。