一种基于局部奇异值分解和最近邻决策规则的人脸识别方法.pdfVIP

第22卷第3期 盐城工学院学报(自然科学版) V01．22No．3 21309年09月 Journalof Instituteof ScienceEdition) Yancheng Technology_(Natural Sept．2009 一种基于局部奇异值分解和最近邻决策规则的人脸识别方法 沈 杰 (盐城工学院现代教育技术中心，江苏盐城224051) 摘要：提出了一种基于局部奇异值分解和最近邻决策规则的人脸图像识别方法。其主要内容包 括以下方面：由于奇异值向量具有稳定性、转置不变性等特点，对归一化的人脸图像，采用局部 奇异值分解抽取人脸图像特征作为识别特征；针对人脸识别问题，采用最近邻决策规则取代隶 属度函数来进行分类识别。实验结果显示，所提出的方法减少了数据计算量，运行速度快，并提 高了识别率。同时，人脸识别结果也证明了该方法的有效性。 关键词：模式识别；人脸识别；奇异值分解；局部奇异值分解；隶属度函数；最近邻决策规则 中图分类号：’鹏91．4 文献标识码：A 人脸图像自动识别技术是模式识别研究领 解和最近邻决策规则的人脸识别方法，它是对奇 域一个较热门的研究课题。计算机人脸识别技术 异值分解算法的一种改进。用多个小窗口采样人 是利用计算机对人脸图像进行分析，从中提取有 脸，用多个奇异值向量表示人脸特征。这样能更 效的识别信息，用来“辨别”身份的一门技术。在 加充分地利用图像的信息，增加有效的识别特征 商业和法律上有大量应用。人脸识别的研究近 量，更好的反映人脸局部特征的个体差异。实验 20年来得到了迅速发展…，涌现出了许多新的方 结果表明，这种方法是非常有效的。 法。这些方法的有效性很大程度上取决于它们所 1 图像的奇异值分解 提取的人脸特征。特征提取是对模式所包含的输 入信息进行处理和分析，将不易受随机因素干扰 奇异值分解是求解最dx--乘问题的一种有效 的信息作为该模式的特征提取出来，具有提高识 工具，在图像压缩信号处理和模式分析中得到广 别精度、减少运算量和提高运算速度的作用。良 泛应用。若矩阵A。。。代表一幅图像，对A进行奇 好的特征应具有可区分性、稳定性和独立性。目 异值分解为 前可利用人脸特征分为四类：视觉特征，统计特 A=UyVr (1) 征，变换系数特征和代数特征等。其中，代数特征 其中U和y是两个单位正交的矩阵，∑是一个对 反映了图像的内在属性，是一种本质特征，而奇异 角矩阵，形式为∑=diag(A。，A2，…)。如果A只 值特征正是一种性质良好的代数特征。 有k个非零奇异值，则 基于奇异值特征的人脸识别方法是由Hong I ZQ等人【2．31首先提出来的。他们认为图像本身 A=∑A；￡‘it，? (2) 的灰度分布描述了图像的内在信息，反映了图像 其中u；和q是U和y的各个列。记 的本质属性。它将图像作为矩阵看待，进行各种 (3) S。。l=(Al，A2，…，AI，0，…，O)1 代数和矩阵变换，抽取的代数特征可以用于模式 称为矩阵A的奇异值向量。 识别。这种方法的优点是算法比较稳健和简单， 因为对于任意一个实矩阵A，它的奇异值分 对光照变化不敏感，对表情和姿态变化有一定的 解是