低分辨率人脸图像识别关键技术研究

《低分辨率人脸图像识别关键技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号密级UDC学位论文低分辨率人脸图像识别关键技术研究（题名和副题名）周毅（作者姓名）指导教师姓名蒲晓蓉副教授电子科技大学成都（职务、职称、学位、单位名称及地址）申请学位级别硕士专业名称软件工程论文提交日期2011.03.24论文答辩日期2011.05.05学位授予单位和日期电子科技大学答辩委员会主席评阅人2011年3月26日注1注明《国际十进分类法UDC》的类号万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教

2、育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。签名：日期：年月日关于论文使用授权的说明本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后应遵守此规定）签名：导师签名：日期：年月日万方数据摘要摘要人脸识别是当前计算机视觉领域的一个研究热点，也是模式识别研究的重要课题。人脸识别以其

3、使用方便、用户认可度高、直观性突出、不易仿冒等优势广泛应用于监控部防、照片搜索、门禁出入和身份识别等领域。由于受到现阶段有限的数据存储空间、网络传输速率和图像采集设备等因素的限制，大多数用于识别的人脸图像都是以低分辨率的形式存在。然而通常的人脸识别算法都是基于普通分辨率的人脸图像，因此针对低分辨率人脸图像的识别研究具有积极的意义。特征提取与表达属于低分辨率人脸图像识别的关键技术之一。基于局部二元模式（LBP）算法已被广泛用于低分辨率图像的特征提取。本文通过对局部二元模式算法进行分析，提出一种多分辨率和多尺度的LBP特征提取算法，针对同一张人脸图像，分别提取其不同分辨率、不同尺度的

4、LBP特征，获得人脸图像的局部和全局LBP特征。实验证明，多分辨率和多尺度的LBP特征提取算法对低分辨率人脸图像识别有显著效果。多分辨率多尺度LBP算法的特征提取虽然更好的体现了低分辨率人脸图像的局部和全局特征，但是也带来了特征数据量大、数据的冗余度高的问题。因此，需要找到一种合适的数据降维方法来解决这一问题。传统的的数据降维算法虽然能在一定程度上达到减少数据维数的目的，但是又带来了由于降维引起的大量有用信息的丢失问题。本文引入一种人脸图像特征降维的新方法：局部间隔对齐(LMA)。LAM不仅能够降低高维数据的维数，使高维数据映射到一个低维的子空间，同时还能保留类内的结构，最大限度

5、的保留了利于分类的有用信息。本文使用LMA对得到的LBP特征数据进行降维，这样不仅使计算量大大降低，同时由于LMA保留了类内结构，因此使得降维后的特征空间更具有可分性。实验证明，结合多分辨率多尺度LBP特征提取算法和LMA数据降维算法对低分辨率人脸图像识别具有显著的效果。关键词：人脸识别；LBP特征；多分辨率；多尺度；LMA数据降维万方数据ABSTRACTAbstractFacerecognitionisnowahotresearchfieldofComputervision,anditisalsoanimportantissuesofpatternrecognition.Fac

6、erecognitionhasbeenwidelyusedforanti-surveillancedepartment,photosearch,accessareassuchasaccessandidentityforitseaseofuse,highlyuseracceptance,intuitiveprominent,fastanddifficulttocounterfeitandotheradvantages.Becauseofthelimitationofdatastoragespace,networktransmissionspeedandimageacquisitio

7、nequipmentfactors,mostofthefaceimageswhichusedtoidentifyarelow-resolution.However,facerecognitionalgorithmsaregenerallybasedonordinaryresolutionfaceimages,soit'sagreatsignificanceforlow-resolutionfacerecognition.Practicehasshowedthatlocalbina