没有合适的资源?快使用搜索试试~ 我知道了~
基于人脸细节方向特性的识别特征提取
0 下载量 172 浏览量
2020-10-17
15:02:17
上传
评论
收藏 207KB PDF 举报
温馨提示
试读
3页
充分考虑到人脸图像的整体和细节特征,进而将人脸的眉毛、眼睛、鼻子和嘴部细节部分的水平方向特性引入到特征提取环节中;将小波变换后的低频近似分量、表达上述水平特性的水平细节分量以及眉毛、眼睛、鼻子和嘴部细节区域分别进行奇异值分解,并对得到的3组奇异值进行排列组合,最终作为该图像的有效识别特征。结果表明,基于人脸细节方向特性的识别特征提取方法的识别率高于在原图上的基本奇异值分解等方法。
资源推荐
资源详情
资源评论
基于人脸细节方向特性的识别特征提取基于人脸细节方向特性的识别特征提取
充分考虑到人脸图像的整体和细节特征,进而将人脸的眉毛、眼睛、鼻子和嘴部细节部分的水平方向特性引入
到特征提取环节中;将小波变换后的低频近似分量、表达上述水平特性的水平细节分量以及眉毛、眼睛、鼻子
和嘴部细节区域分别进行奇异值分解,并对得到的3组奇异值进行排列组合,最终作为该图像的有效识别特征。
结果表明,基于人脸细节方向特性的识别特征提取方法的识别率高于在原图上的基本奇异值分解等方法。
摘摘 要:要: 充分考虑到人脸图像的整体和细节特征,进而将人脸的眉毛、眼睛、鼻子和嘴部细节部分的水平
关键词:关键词:
由于人脸图像包含的数据量相当庞大,为了提高人脸识别分类的有效性和时效性,需要对原始人脸图像进行压缩,并且获
得最能反映不同人脸图像分类本质的有效特征,这就是特征提取环节。人脸具有高相似性,如何寻找更稳定、更有效的识别特
征成为人脸识别技术中的关键问题[1]。
奇异值向量具有良好的代数和几何不变性,是一种比较理想的代数特征[2]。整体图像的奇异值特征包含的有效信息较少,
相反,人脸的细节区域(如眉毛、眼睛、鼻子和嘴等特征)更能有效地反映个体之间的差异,故人脸的整体与细节特征对于人脸
感知与识别都是十分重要的,可以同时利用这两方面特征进行人脸识别。而上述4个细节区域又均都呈现出水平方向特征,因
此对于
小波变换后的降维图像,可以将反映水平特性的水平细节高频子图作为特征提取的图像。综上考虑,本文提出一种将小波变换
低频近似分量和水平细节高频分量分别对应的整体奇异值特征与表征个人“个性”的4部位(眉毛、眼睛、鼻子、嘴)的局部奇异值
相结合的人脸特征提取方法。
1 小波变换降维的方向特性小波变换降维的方向特性[3]
小波变换是一种新的多层次函数分解的信号处理方法。该变换的低频部分具有较低的时间分辨率和较高的频率分辨率,而
在高频部分却具有较高的时间分辨率和较低的频率分辨率,这种特性使得小波变换具有对信号的自适应性,为信号的局部分析
提供了一个较理想的数学工具[4]。
尽管归一化图像维数比原图像有所降低,但考虑到后续工作的复杂度,仍需要进一步降维。此时,可以采用小波变换压缩
的方法来实现图像降维目的。
小波降维的分解示意图如图1所示,其基本原理可概括如下,一幅图像信号f(x,y)的二进制一层小波变换相当于不同的一维滤
波器对图像f(x,y)分别沿x和y方向进行滤波,最后得到1个低频和3个高频子带图像,各个子带图像分别从不同角度描述了原图
像,如图1(b)所示。其中,LL表示原图像低维近似的低频分量,包含了原图像的大部分能量;LH表示图像的水平高频分量,
描述了原图像的水平信息特征;与LH相反,HL是表达图像垂直信息特性的垂直高频分量;HH是图像的对角高频分量,描述了
原图像的45°或135°斜方向信息特征。若对图像的低频分量LL继续分解,可以得到第二层分解,如图1(c)所示。原图像上的显
著特征若集中于某一频率或方向上,经小波变换后,与该频率或方向对应的子带图像则获得的能量更大。因此,图像信息集中
在相应的少数小波系数上。
由于眉毛、眼睛、鼻子、嘴等五官面部信息描述着每个人最具“个性”的局部特征,决定着每个人之间的区别,因此它们是不
可忽视的重要影响特征。而这些部位均又呈现出一致的水平方向特征,因此,小波变换后的水平细节高频图像不能随意忽略,
可以用来辅助低频近似图像一同提取该人脸的识别特征,这样可以有效提高最终的识别率。
2 奇异值特征提取奇异值特征提取[5]
HONG Z Q等人首先提出利用奇异值特征进行人脸识别。将图像视为可以进行各种代数运算和矩阵变换的矩阵,那么获取的
代数特征就可以用于进行模式识别。该方法的算法简单且稳健,不易受光照、表情和姿态变化的影响,适用范围广。
人脸图像矩阵的奇异值特征虽然可以作为描述灰度图像矩阵的一种有效数值特征,但图像的奇异值特征包含的有用信息较
少,更多的有用信息则包含在由奇异值分解得到的两个正交矩阵U和V中,因此,仅采用基本的奇异值特征进行人脸识别是不合
理的[6]。
针对图像的奇异值特征包含的有效识别信息不足的缺陷,本文首先将所有整体人脸样本图片投影到同一标准特征矩阵,得到
此样本一种新的基于投影系数的整体代数特征,并以此作为该幅人脸的特征向量[7]。
资源评论
weixin_38733875
- 粉丝: 7
- 资源: 976
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功