基于小波和DFB-PCA的人脸识别算法研究

《基于小波和DFB-PCA的人脸识别算法研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于小波和DFB-PCA的人脸识别算法研究张俭鸽王世卿盛光磊（郑州大学信息工程学院郑州450002）摘要：本文提出了一种基于小波和DFB-PCA的人脸识别算法。将识别图像先用小波变换对其分解后，再对低频子带进行DFB-PCA识别。实验结果表明，该方法有利于减少光照、姿势和表情等因素的影响，降低噪声和图像识别的维数，且具有较好的鲁棒性。与直接在原图像上采用PCA识别相比，可提高对图像的计算速度和识别效率。关键词：小波变换；DFB-PCA；图像识别；人脸识别中图分类号：TP391.41文献标识码：AFaceRecognitionAlgorithmResea

2、rchingBasedonWaveletandDFB-PCAZhangJian-ge,WangShi-qing,ShengGuang-lei(CollegeofInformationEngineer,ZhengzhouUniversity,Zhengzhou450002,China)Abstract:Inthispaper,facerecognitionalgorithmbasedonwaveletandDFB-PCAwhichfirstdecomposesrecognitionimagesusingwavelettransformationandth

3、enrecognizesthelowfrequencysubbandusingDFB-PCAalgorithmhasbeenproposed.Experimentalresultsdemonstratethattheproposedalgorithmispropitioustoreducetheinfluenceofillumination,pose,expressionandsoon,reducethenoiseofimagesandthedimensionofrecognitionimages,andhasarobustperformance.Th

4、eproposedalgorithmcanimprovecomputingspeedofimagesandtherecognitionratecomparewiththealgorithmwhichusesPCAonlyonoriginalimages.Keywords:wavelettransformation;DFB-PCA;imagerecognition;facerecognition0序言在人脸识别方面，主要存在有三个难点问题：（1）成像条件任意，例如：成像设备有差异、光照、成像距离与角度等；（2）拍照主体处于高度的不合作状态，如饰物、表情等

5、变化是随人任意；（3）即使少数个体高度合作和成像条件一致，随着数码摄像技术的发展与提高，采集图像的分辨率越来越高，得到的图像维数则更大。因此，更增加了准确识别人脸图像的难度。本文在对图像识别技术研究分析的基础上，采用先对图像进行适当预处理的方法，以达到提高识别率的目的。但预处理后的图像维数依然很大，故需要再对图像数据进行降维处理。目前对图像数据进行降维采用的方法，主要有小波和PCA(PrincipleComponentAnalysis)等。若单独使用PCA方法，计算量会特别大而影响图像处理速度；而单独使用小波变换方法，为达到降维的目的需要增加小波变换的

6、级数，可是小波分解层数的增多，将导致不同人脸之间的差异以及同一人脸的不同表情和不同姿势引起的差异变得更加模糊。因此，综合考虑上述两种方法的特点，本文提出一种基于小波和DFB-PCA(DirectionalFilterBank-PrincipleComponentAnalysis)的人脸识别算法。该算法的核心是PCA，先通过预处理，再采用小波变换和DFB方法，以达到提高计算速度和识别率之目的。1采用的图像处理与识别技术简述1.1图像预处理由于人脸的两眼之间的距离具有不变性，因此可对人脸图像进行剪裁和直方图均衡化处理。剪裁处理可去除大部分头发、服饰和背景对

7、识别图像的干扰，并可将人脸图像的大小规范统一。通过归一化处理，能在一定程度上消除光照对识别造成的负面影响。因预处理后的图像去掉了原始图像的头发、耳朵、服饰等具有可变性的特征，保留了眼睛、鼻子和嘴巴等有用的信息，同时也减少了光照等因素对图像识别的影响，所以可得到一个经过预处理的人脸图形库，为后期的特征提取和人脸识别提供必要的条件和奠定良好的基础。11.2小波变换小波变换的优点在于具有良好的时间和频率特性，应用范围较广。采用小波分解图像，可降低分解后图像子带的分辨率，大大减少相应的计算复杂度，并可提供更多的空间和频率局部信息。由于一幅图像的信息主要包含在低

8、频部分，而图像细节体现在高频部分，故可通过小波变换得到低频系数，也就是图像的主要信息。在本算法