基于多小波变换的人脸识别.docVIP

基于多小波变换的人脸识别 摘 要：人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。本文提出一种新的基于多小波变换的人脸识别方法。首先利用多小波变换提取人脸抽象特征，再结合PCA和LDA进一步提取人脸特征，采用最近邻方法识别人脸。选用GHM和CL两种多小波，对ORL和YALE人脸数据库进行了实验，实验结果表明：本文提出的方法取得了很好的识别效果，明显优于基于小波变换和基于PCA、LDA的人脸识别方法，充分证明了基于多小波变换的人脸识别的有效性。 关键词：多小波变换，特征提取，主成分分析（PCA）,线性鉴别分析（LDA） ABSTRACT Face recognition is an important research in image processing and pattern recognition research, which plays an important role for the authentication. In this paper we present a new recognition method based on multiwavelet transform in this paper.First, it uses the wavelet transform to extract the facial abstract characteristics of face image. When finishing the fist step, it combines PCA (principal component analysis) and LDA (linear discriminant analysis) to extract the further facial feature. Finally all the results are sent to the nearest neighbor classifier to be trained and recognized. In order to prove the reliability of this method, we choose CL and GHM multiwavelet to experiment in the ORL and YALE face databases, our experimental results show that the method is very useful, which is superior to most of the existing methods. By only using wavelet,PCA or LDA can not achieve such a high recognition rate, so it has a high practical value and wide application prospect. KEY WORDS: multiwavelet transform, feature extraction, PCA, LDA 1 引言 人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。利用多小波变换提取人脸抽象特征特征，结合PCA和LDA进一步提取人脸特征，采用最近邻方法识别人脸。首先，加载人脸图像库，采用预滤波技术，可分别采用过采样和临界采样两种方式滤波，在预滤波后进行多小波正变换，将变换后的人脸图像提取抽象特征，结合PCA和LDA进一步提取人脸的具体特征信息，按照最近邻方法识别人脸，得出识别率。并对这种方法做了实验，选用ORL和YALE人脸数据库，在不同的多小波和预滤波方式下进行实验，得出不同训练样本和检测样本下的识别率。从实验的结果来看，这种方法取得了很好的识别效果，明显优于基于小波变换和PCA、LDA的人脸识别方法。而且，运行速度快、准确、识别率高，可用于人脸识别系统，充分证明了基于多小波变换的人脸识别方法的有效性。 2 多小波的理论基础 2.1多小波基是由多个小波母函数经过伸缩平移生成，相应地有多个尺度函数 将正交单小波中的分析与合成算法推广至正交多小波，可以得到： 分析过程 ， (2-1) 合成过程 (2-2) 2.2多小波变换的原理 图像的多小波变换与小波变换类似，整个多小波变换的流程如图2.1所示。 图2.1 多小波变换的流程 首先，加载人脸图像并将其变为灰度图像，完成后选择多小波和与滤波方式，这里选用GHM和CL两种多小波。 预滤波用于获得多小波变换所需的初始矢量信号，只有获得了初始矢量信号才能正确的进行多