论文部分内容阅读
在过去的几十年间，人脸识别作为人工智能领域中的重要研究课题，得到了广泛的关注和研究。本文研究单样本人脸识别问题，从“构造虚拟样本”入手，针对姿态、光照和表情等可变因素而寻求不同的解决途径。本文主要的创新和研究工作总结如下：(1)针对多姿态人脸识别问题，提出了一种可合成不同姿态人脸图像的方法，并利用离散小波变换滤除人脸图像中因表情变化和遮挡而带来的高频信息，在ORL人脸数据库上的实验结果验证了所提出方法的有效性。(2)鉴于Gabor特征和LBP特征对表情、光照变化比较鲁棒，引入互信息作为LGBP图谱相似性的度量。实验表明，该方法相对于PCA、LPS、LGBPHS等方法在表情、光照变化下的识别性能有不同程度的改善。(3)提出了单图像重采样子空间方法。通过“间隔重采样”为每幅图像构造虚拟图像，之后为每幅图像建立子空间并使用子空间距离进行分类。实验证明，该方法具有较好的光照鲁棒性和表情鲁棒性。(4)在传统k近邻算法的基础上，通过引入模糊逻辑提出了一种模糊推理k近邻算法（FI-kNN）；为了更好地处理非线性数据，对其进行核化得到KFI-kNN。并把FI-kNN应用到单样本人脸识别，一定程度地改善了识别效果。