發(fā)布時(shí)間：2019-11-08 23:00

【摘要】：近年來,人臉識別技術(shù)飛速發(fā)展,但是在實(shí)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?yàn)槿四樀倪@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(jìn)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(jì)LBP直方圖,隨后再利用PCA對統(tǒng)計(jì)得到的直方圖進(jìn)行數(shù)據(jù)降維,最后利用稀疏表示的方法進(jìn)行人臉識別。通過實(shí)驗(yàn)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(jìn)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(jià)模式的優(yōu)點(diǎn),它能夠在二進(jìn)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(jìn)行特征提取、根據(jù)已知人臉庫進(jìn)行模板匹配的特征提取和利用代數(shù)的方法進(jìn)行特征提取。其中重點(diǎn)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(shí)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(jì)LBP直方圖算法,并闡述了算法的原理。由于分塊統(tǒng)計(jì)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(jì)算量過大,不利于分類識別,所以本文利用PCA算法進(jìn)行數(shù)據(jù)降維,最后利用稀疏描述思想進(jìn)行分類識別,在ORL和Yale人臉數(shù)據(jù)庫上進(jìn)行實(shí)驗(yàn),并將本文所提出的方法獲得的實(shí)驗(yàn)結(jié)果與目前常用的方法進(jìn)行對比,驗(yàn)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