基于小波和非负稀疏矩阵分解的人脸识别方法.pdf

《基于小波和非负稀疏矩阵分解的人脸识别方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第10期欧阳怡彪等：基于小波和非负稀疏矩阵分解的人脸识别方法·159·*基于小波和非负稀疏矩阵分解的人脸识别方法欧阳怡彪，蒲晓蓉，章毅（电子科技大学计算机科学与工程学院计算智能实验室，四川成都610054）摘要：提出了利用小波变换（WT）、非负稀疏矩阵分解（NMFs）和Fisher线性判别（FLD）来进行人脸识别。用小波变换分解人脸图像，选择最低分辨率的子段，既能捕获到人脸的实质特征，又有效地降低了计算复杂性；非负稀疏矩阵分解能显示地控制分解稀疏度和发现人脸图像的局部化表征；Fisher线性判别能在低维子空间

2、中形成良好的分类。实验结果表明，这种方法对光照变化、人脸表情和部分遮挡不敏感，具有良好的健壮性和较高的识别效率。关键词：人脸识别；小波变换；非负矩阵分解；Fisher线性判别中图法分类号：TP317.4文献标识码：A文章编号：1001-3695（2006）10-0159-04Wavelet-basedNon-negativeMatrixFactorizationwithSparsenessConstraintsforFaceRecognitionOUYANGYi-biao，PUXiao-rong，ZHANGY

3、i（ComputationalIntelligenceLaboratory，CollegeofComputerScience&Engineering，UniuersityofElectronicScience&TechnologyofChina，ChengduSichuan610054，China）Abstract：ThispapercombinesWaveletTransformation（WT），Non-negativeMatrixFactorizationwithsparsenessconstraint

4、s（NMFs），andFisher’sLinearDiscriminant（FLD）toextractfeaturesforfacerecognition.Wavelettransformationisusedtodecomposefaceimagesandforchoosingthelowestresolutionsub-bandcoefficientssothatthesubstantialfacialfeaturescanbecapturedandthecomputationalcomplexityca

5、nbereduced.NMFscancontrolsparsenessexplicitlyandfindparts-basedrepre-sentationsforfaceimages.FLDplaystheroleofformingwell-separatedclassesinalow-dimensionalsubspace.Extensiveex-perimentsarecarriedouttoillustratetheproposedcombinefacerecognitionmethodbyusing

6、theORLfacedatabase.Theex-perimentalresultsshowthatthemethodhasrobusthigh-performanceagainstvaryingillumination，facialexpressionandpartocclusion.Keywords：FaceRecognition；WaveletTransformation（WT）；Non-negativeMatrixFactorization（NMF）；FisherLinearDis-criminan（

7、tFLD）过将一个非负的矩阵分解为左右两个非负矩阵的乘积，控制分!引言解后矩阵的稀疏度，即使在无监督的情况下也能很好地表征原始数据的局部特征。该方法具有收敛速度快、左右非负矩阵存由于人脸识别在身份认证、视觉监控以及人机接口等方面有着广泛的应用前景，从而成为近年来计算机视觉与模式识别储空间小的特点；同时，能将高维的数据矩阵降维处理，适合处领域极富挑战性的研究热点。近20年来，许多研究者在人脸理大规模数据。事实上，心理学和生理学有依据表明，人的大［10，11］识别领域进行了深入研究并提出了很多有效的方法。按照识脑

8、具有能发现基于局部表征的能力。因此，很有必要研别特征的不同，基本上可以分为基于几何特征的方法［1，2］、基究基于局部表征的人脸识别方法。于统计的特征脸方法［3］、基于神经网络的方法［4，5］、基于小波采用小波变换（WT）特征来描述人脸的信息，与视网膜对［6］图像的响应相类似，在一定程度上容忍光线和角度的干扰。应的模板匹配方法和它们的混合方法。其中Fisher线性判别［7］用小波变换抽取特征，对人脸进