基于概率神经网络优化DWT-2DLDA的高噪声人脸识别.pdf

《基于概率神经网络优化DWT-2DLDA的高噪声人脸识别.pdf》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、易欣：基于概率神经网络优化DW~2DLDA的高噪声人脸识别《激光杂志)2014年第35卷第1O期LASERNAL(Vo1．35．No．10．2014)57基于概率神经网络优化DWT-2DLDA的高噪声人脸识别易欣，郭武士，朱海，，1．四川工程职业技术学院计算机科学技术系，四川德阳618000、2．西安交通大学计算机科学与技术系，西安710049／r摘要：针对人脸识别中的原始图像存在噪声而影响识别性能的问题，提出了基于概率神经网络优化二维子空间分析的人脸识别方法。首先，使用离散小波变化对图像进行预处理；然后，利用二维线性判别分析进行特征提取；

2、最后，利用概率神经网络完成人脸分类。在ORL和FEI量大通用人脸数据库及自己搜集的数据库上的实验结果表明，在添加噪声的情况下，识别率也可高达98．9％，相比几种较新的识别方法，本文方法取得更好的识别性能。关键词：概率神经网络；高噪声；人脸识别；二维线性判别分析；离散小波变换中图分类号：TP391文献标识码：ADOI编码：10．14016~．cnki．jgzz．2014．10．057FacerecognitionwithstrongnoisebasedonDWT_2DLDAoptimizedbyprobabilisticneuralnetwo

3、rkYIXin，GUOWu．shi，ZHUHai，，1．DepartmentofComputerScience，SichuanEngineeringTechnicalCollege，Deyang，Sichuan618000，China；、＼2．Departmentofcomputerscienceandtechnology,Xi’anJiaotongUniversity,Xi’an710049．China／Abstract：Fortheissuethatthenoiseinprimaryfaceimageswillimpactrecogni

4、tionaccuracy,afacerecogni—tionmethodbasedoilDWT-2DLDAoptimizedbyprobabilisticneuralnetworkisproposed．Firstly,discretewavelettransformationisusedtodoimagepre—processing．Then，2DLDAisusedtoextractfeatures．Finally,PNNisusedtofinishclassificationoffacerecognition．Theexperimenta

5、lresultsonORL，FEIanddatasetssearchedbyUSshowthattherecognitionaccuracyofproposedmethodcanachieveat98．9％evenatthesituationofaddingnoises．Ithasbet-terrecognitionperformancethanseveralotheradvancedrecognitionmethods．Keywords：Probabilisticneuralnetwork；Strongnoise；Facerecognit

6、ion；Twodimensionallineardiscriminantanalysis；Discretewavelettransf~Irmation人脸识别系统主要用于个人身份的识别和验证，基于2D图像人脸识别所使用的方法主要分为三系统通过检查个人的信息是否属于该系统的数据库类：全局】、局部和混合方法。中来对其识别，已在军事、安全、办公场所等领域得到局部方法主要利用人脸的特定特征(眼角、口、鼻了广泛应用n1。然而，原始图像中的噪声给人脸自动等)来进行识别，因此该方法需要图像的先验知识。识别系统带来了高复杂性，如何找到一个可靠的方法全局方法

7、是使用脸部的整个表面作为一个信息更好地识别高噪声人脸显得非常重要。源，而不考虑局部特征o-。过去，学者们提出了许多技术用于解决高噪声人混合方法是结合了全局和局部方法的优点，通过脸识别问题、这些方法各有优劣，在大多数的情况下，结合几何特性的检测(或结构)与局部外观特征提取主要取决于获取信息的条件。最近，研究人员提出了来实现”。不少提高人脸识别性能的算法，比如基于支持向量机相比于由一维数组(向量)代表一个面的一维方(Supportvectormachine，SvM)、隐马尔可夫模型法，本文着重研究的是其中保存该面的原来的形状在(HiddenMa

8、rkovModel，HMM)]、概率方法(贝叶斯二维阵列的脸部二维特征提取方法(矩阵)，主要从矩网络)和人工神经网络的人脸识别算法。其中，人阵向量的损失出发，损失量为与图像像素有