【摘要】：近年來,人臉識別技術(shù)飛速發(fā)展,但是在實際應(yīng)用中還存在著諸多的問題,主要包括人臉類似性和易變性,正是因為人臉的這種不確定性,所以才會給檢測和識別帶來了很多的不確定性問題。另外,人臉還會受到不同類型光照的影響或者因人而異的各類裝飾,這些都給人臉識別帶來困難。本文從影響人臉識別的光照和噪聲因素入手,研究并提出了基于稀疏表示并結(jié)合LBP直方圖和PCA的人臉識別方法,主要包括：首先進行圖像預(yù)處理,然后利用局部和全局相結(jié)合的方法統(tǒng)計LBP直方圖,隨后再利用PCA對統(tǒng)計得到的直方圖進行數(shù)據(jù)降維,最后利用稀疏表示的方法進行人臉識別。通過實驗證明了多級LBP直方圖相結(jié)合方法的有效性以及基于稀疏表示的人臉識別對噪聲的魯棒性。具體包括以下部分：首先,對局部二值模式進行了深入研究,介紹了LBP算法對光照的魯棒性,并著重說明了LBP等價模式的優(yōu)點,它能夠在二進制模式數(shù)目大大減少的情況下,保留大部分的圖像關(guān)鍵信息。其次,介紹了幾種在人臉識別過程中人臉特征的提取方法,主要包括：根據(jù)面部重要的器官之間的距離關(guān)系進行特征提取、根據(jù)已知人臉庫進行模板匹配的特征提取和利用代數(shù)的方法進行特征提取。其中重點介紹了主成分分析法在數(shù)據(jù)降維方面的應(yīng)用。最后,對于一般的人臉識別方法在訓(xùn)練樣本較少、特征向量維數(shù)較小時的識別率不太理想,并且對光照和噪聲的魯棒性較差,提出了基于稀疏表示并結(jié)合LBP直方圖和PCA的人臉識別方法,即：提出了一種基于局部和整體相結(jié)合的多級分子區(qū)域統(tǒng)計LBP直方圖算法,并闡述了算法的原理。由于分塊統(tǒng)計得到的LBP直方圖所包含向量維數(shù)過高,導(dǎo)致分類器的計算量過大,不利于分類識別,所以本文利用PCA算法進行數(shù)據(jù)降維,最后利用稀疏描述思想進行分類識別,在ORL和Yale人臉數(shù)據(jù)庫上進行實驗,并將本文所提出的方法獲得的實驗結(jié)果與目前常用的方法進行對比,驗證了本文所提出的方法的有效性和穩(wěn)定性。
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
，

本文編號：2558088