基于dwt和模块2dpca红外人脸识别方法

基于dwt和模块2dpca红外人脸识别方法

ID:6105496

大小:273.84 KB

页数:5页

时间:2018-01-02

基于dwt和模块2dpca红外人脸识别方法_第1页
基于dwt和模块2dpca红外人脸识别方法_第2页
基于dwt和模块2dpca红外人脸识别方法_第3页
基于dwt和模块2dpca红外人脸识别方法_第4页
基于dwt和模块2dpca红外人脸识别方法_第5页
资源描述:

《基于dwt和模块2dpca红外人脸识别方法》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、第26卷第3期2008年9月广西师范大学学报:自然科学版JournalofGuangxiNormalUniversity:NaturalScienceEditionV01.26No.3Sept.2008基于DWT和模块2DPCA的红外人脸识别方法伍世虔,梁伟,韦礼珍,方志军(江西财经大学信息管理学院,江西南昌330013)摘要:提出一种结合图像离散小波变换和模块2DPCA的方法。首先通过DWT将红外人脸图像通过小波一级分解成4个子带,用模块2DPCA的方法对4个子带进行特征提取,得到4个子带的特征向量,然后对每个子带进行分类,将所得4个识别结果进行决策融合,得到最终的识别结果。同基于PC

2、A和模块2DPCA方法相比,所提出的方法能很好利用人脸图像的有用判别信息,并得到更好的识别效果。关键词:离散小波变换;模块二维主元分析,红外人脸识别中图分类号:TP391.4文献标识码:A文章编号:1001—6600(2008)03—0218—04随着社会的发展,人们越来越迫切要求快速而准确的身份验证和识别系统。人脸识别技术,由于具有直观性、被动性和非侵犯性,是当今生物识别技术中最为活跃的领域之一[1]。通过红外成像机理的研究发现:红外人脸热图像是由人脸组织与结构(如血管和血管分布等)的红外辐射决定的,具有唯一性,且不受光照条件的影响。另外,红外成像具有抗干扰性强、与光照无关、防伪装防欺

3、诈等优点,在很大程度上可以弥补可见光人脸识别技术的不足。过去的研究总是受限于红外人脸数据库,但随着红外照相机价格的降低和分辨率的提高,这个问题已成为过去,红外人脸识别的研究将会取得突破性的进展[z~¨。在人脸图像识别中,主元分析(principalcomponentanalysis,PCA)r‘~引,其本质就是在最小均方差意义下寻找最能代表原始数据的投影。PCA方法要把人脸图像的二维矩阵拉成一维,会使得协方差矩阵的维数很大,造成求协方差矩阵的特征值和特征向量很费时,而2DPCA方法[7]直接基于二维矩阵,能方便地求出特征矩阵和特征向量,提高了运算的效率。小波变换是一种信号的时间尺度分析方

4、法,在时频两域都具有表征信号局部特征的能力,它具有多分辨率和多尺度的优点[s.9],本文用二维小波变换对人脸图像进行小波分解,详细请参考文献[10~12]。1基于DWT和2DPCA的红外人脸识别方法1.1最优投影矩阵设训练样本中一共有M个人:仞,,硼。’..·,硼肛,每类中有a个训练样本,则共有N个样本X,,X。,⋯,XN,其中N=MXa,将样本Xi(i=1,2'..·,Ⅳ)经过预处理后,进行一级小波分解得到2×2的模块图像矩阵,分解后的样本表示为:墨=I(Xi)ILixl;;:熬3㈣置1(x,一’‘1’然后用2DPCA的方法踟对小波变换后的4个模块图像进行特征提取。则训练样本子图像矩阵

5、的总体散布矩阵G为rr]:G一面1荟荟荟((剐斛一曰)((剐脚--B)T。(2)收稿日期:2008—06.06基金项目:国家自然科学基金资助项目(60665001、60462003),江西省自然科学基金资助项目(0611025)通讯联系人:伍世虔(1964一),男,江西赣州人.江西财经大学教授,博导。E—mail:shiqian.wu@gmail.corn第3期伍世虔等:基于DWT和模块2DPcA的红外人脸识别方法219其中:4Ⅳ为所有训练样本子图像矩阵的总数;曰=志乙乙乙((x;))射为所有训练样本子矩阵的均值矩1、■_、’C-、1●、‘±▲'I熹ll=l‘置l阵。很显然,G为非负定矩

6、阵。找出总体散步矩阵G的h个最大特征值所对应的特征向量,z。,z。’..·,磊,令Q一[-z1,z2'..·,乙],Q即为最优投影矩阵。1.2特征提取最优投影矩阵用于特征提取。设训练样本置通过一级小波变换,得到4个子带。r(xf)1l(墨)12]籼一L(z,)21(蜀)22J的特征矩阵为:最一L((X置‘))21uTQTQ{xXi,))l:z:TQTQJ]。(3)对于每个测试样本,都要找到其4个子带的特征矩阵,而不是求出每个类的平均矩阵的特征矩阵,因为平均矩阵会屏蔽掉很多有用的信息。一f.3分类通过上面的特征提取,每个原始图像对应4个特征矩阵,根据这些特征矩阵,利用最小距离分类器对图像进

7、行分类。对于测试一个样本X。,先对它进行一级小波分解,得到4个子带一厂(xM)11(xⅫ)12]A”一L(x嘲)21(x。)22J’然后求出特征矩阵’。f-(x。)11TQ(xt。)t2TQ]层⋯5【-(x。)21TQ(x嘲)。。TQj。得到每个子带的特征矩阵(墨。)。。TQ、(五。),。TQ、(x。)。,TQ、(j,t耐)。。TQ,然后计算d((xf)11TQ,(x。)11TQ)=0(xf)11TQ一(x。)11TQII,=[打(

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。