论文部分内容阅读
通过稀疏表示提取人脸图像特征进而进行分类的方法,是目前人脸识别领域一个很有特色的研究方向。在基于稀疏表示的人脸识别方法中,人脸的冗余字典构成是核心关键问题。研究表明基于稀疏表示的人脸识别方法受人脸图像平移影响较大。为此,本文的工作是研究如何构造合理的人脸冗余字典及降低人脸图像平移对识别效果的影响两个部分。主要研究内容包括:①根据人脸图像稀疏表示模型,提出了基于2D双密度双树复小波变换(Double-Density Dual-Tree Complex Wavelet Transform, DD-DT CWT)多字典的人脸特征稀疏分类方法。该方法的核心在于多字典的构造方式,体现为:1)根据能量平均分布最大原则分别选取不同尺度上变换后能量较大的部分子带构成稀疏表示的多个冗余字典,充分利用到不同尺度内人脸图像的鉴别信息;2)将DD-DT CWT分解得到的同一尺度内不同子带分别组成多个冗余字典,充分利用同尺度不同方向的信息;3)通过稀疏分解得到待识别人脸样本在冗余字典上的稀疏表示,联合多个冗余字典上的人脸稀疏表示进行人脸识别。②针对人脸图像稀疏表示模型对训练和测试人脸图像需要严格对齐的约束要求,研究了带平移变换参数估计的人脸图像稀疏分解方法。该方法首先对具有平移变换的待识别人脸图像样本进行泰勒展开,得到待识别人脸样本在基准空间(对齐的训练样本空间)的估计特征和平移变化特征,其中的关键是平移特征由训练人脸样本的各方向梯度来表示。同样地,待识别人脸样本经过降维,分解,平移参数估计,得到其在基准空间的稀疏表示及其相对基准空间的平移变化参数。与传统的不进行参数估计的人脸稀疏表示模型相比,该方法有效地降低了对齐约束,提高了识别率。③选定稀疏因子作为稀疏系数的评价指标,并根据人脸图像稀疏分解的过程对稀疏因子中的阈值设定进行了探讨,从而对稀疏系数进行有效的量化比较,间接地实现了对稀疏表示冗余字典的构成方式的评价。