论文部分内容阅读
现今人脸识别多数算法都是针对二维灰度图像提出的,对于彩色人脸进行识别时,常用的途径之一就是先把彩色图像转换成灰度图像再进行识别。这种转换其实丢失了人脸图像中的彩色信息。现实世界中,人眼能够分辨的颜色至少有数千种,而鉴别绝对亮度的能力大约只有10～15级灰度图,所以彩色人脸图像所包含的鉴别信息远多于灰度图像。如果一个识别算法既利用人脸图像的形状结构信息又利用其彩色信息,则可以获取更多的反映不同人脸之间差异的鉴别信息,从而提高算法的识别率。但是,目前针对彩色人脸图像的识别算法并不多见,并且大多是基于PCA技术进行特征提取的。尽管PCA在彩色人脸识别中获得了某种成功,但仍然有需要进一步研究的问题,如过拟合问题,小样本问题等等。为了更好地利用人脸图像的彩色信息,缓解基于PCA方法的过拟合现象,本文研究了基于四元数表示模式的彩色人脸识别问题,主要研究内容如下:
1、基于彩色人脸图像的四元数表示模式,分析了基于主成分分析(PrincipalComponents Analysis,PCA)和二维主成分分析(Two Dimensional PCA,2DPCA)的彩色人脸图像识别方法的图像重建质量及过拟合现象,提出了改进途径,即基于四元数表示的双向主成份分析(Bi-Directional PCA,BDPCA)算法。该方法基于图像矩阵的投影技术,对人脸进行行方向和列方向投影进行特征提取,因此获取的特征维数比PCA、2DPCA低。在Color FERET人脸数据库中的实验结果表明,基于四元数的BDPCA方法能够取得较好的识别效果,同时图像重建质量有很大提高,并且能有效缓解过拟合现象。
2、为了充分利用人脸图像的彩色信息和局部信息,提出了基于四元数表示的子模式和E2DPCA融合方法(SpE2DPCA,Sub-Pattern E2DPCA)。E2DPCA可以保留人脸图像的局部几何结构信息、缓解小样本问题,一些细节信息和彩色信息可能被忽略;而子模式可以有效保留人脸图像的细节信息。SpE2DPCA结合子模式方法和E2DPCA的优势,可以比基于子模式的2DPCA和基于子模式的PCA方法保持更多的局部几何结构信息,缓解过拟合问题,大量的试验进一步证实上述想法,并取得了较好的识别性能。