基于小波变换、二维主元分析与独立元分析的人脸识别方法

  本文关键词：北京大学视觉与听觉信息处理国家重点实验室开放课题基金，由笔耕文化传播整理发布。

结合合小波变换(wT)、二维主元分析(2DPcA)和独立元分析(ICA)的特点,提出一种人脸识别方法.首先,利用小波变换将原始图像分解为高频分量和低频分量,并忽略水平高频与垂直高频分量,从而消除噪声.然后,通过2DPCA对该图像进行降维,求得白化矩阵.再利用ICA获得训练样本的独立元成分,同时求得训练样本独立基构造的独立基子空问.

第２０卷第３期

模式识别与人工智能

Ｖ０１．２０Ｎｏ．３２００７年６月

ＰＲ

８ＬＡＩ

Ｊｕｎ

２００７

基于小波变换、二维主元分析与独立元分析的

人脸识别方法

＊

甘俊英１’２李春芝１

１（五邑大学信息学院江门

５２９０２０）

２（北京大学视觉与听觉信息处理国家重点实验室北京

１００８７１）

摘要结合小波变换（ｗＴ）、二维主元分析（２ＤＰｃＡ）和独立元分析（ＩＣＡ）的特点，提出一种人脸识别方法．首先，利用小波变换将原始图像分解为高频分量和低频分量，并忽略水平高频与垂直高频分量，从而消除噪声．然后，通过２ＤＰＣＡ对该图像进行降维，求得白化矩阵．再利用ＩＣＡ获得训练样本的独立元成分，同时求得训练样本独立基构造的独立基子空问．最后，将训练样本与测试样本分别朝该独立基子空间投影，获得样本的投影特征，并依据最近邻准则完成人脸识别．基于０ＲＬ与Ｙａｌｅ人脸数据库的实验结果表明，本文方法正确识别率高于２ＤＰＣＡ、２ＤＰＣＡ—ＩＣＡ与ｗＴ一２ＤＰＣＡ算法．关键词

人脸识别，二维主元分析（２ＤＰＣＡ），独立元分析（ＩＣＡ），小波变换（ｗＴ）

中图法分类号ＴＰ３９１。４

Ｆａｃｅ

Ｒ＆ｏｇｎｉｔｉｏｎ

Ｂａｓｅｄ

ｏｎ

ＷａｖｅｌｅｔＴｒａｎｓｆｏｒｍ．Ｔｗｏ—Ｄｉｍｅｎｓｉｏｎａｌ

ＰｒｉｎｃｉｐａｌＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓａｎｄＩｎｄｅｐｅｎｄｅｎｔＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ

ＧＡＮＪｕｎ—Ｙｉｎ９１¨．ＬＩＣｈｕｎ—Ｚｈｉｌ

１（Ｓｃｈｏｏｌｏｆ

Ｉｎｆｏｒｍａｔｉｏｎ，ＷｕｙｉＵｎｉｖｅｒｓｉｔｙ，Ｊｉａｎｇｍｅｎ５２９０２０）

２（ＮａｔｉｏｎａｌＬａｂｏｒａｔｏｒｙｏｎＭａｃｈｉｎｅＰｅｒｃｅｐｔｉｏｎ，ＰｅｋｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００８７１）

ＡＢＳＴＲＡＣＴ

Ｃｏｍｂｉｎｅｄｗｉｔｈｗａｖｅｌｅｔ

ｔｒａｎｓｆｏｒｍ（ＷＴ），，ｔＷＯ—ｄｉｍｅｎｓｉｏｎａｌ

ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ

（２ＤＰＣＡ）ａｎｄｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＩＣＡ），ａｍｅｔｈｏｄｆｏｒｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｉｓｐｒｅｓｅｎｔｅｄ．

Ｆｉｒｓｔｌｙ，ｔｈｅｏｒｉｇｉｎａｌｉｍａｇｅｓａｒｅ

ｄｅｃｏｍｐｏｓｅｄｉｎｔｏｈｉｇｈ—ｆｒｅｑｕｅｎｃｙａｎｄｌｏｗ—ｆｒｅｑｕｅｎｃｙｃｏｍｐｏｎｅｎｔｓｂｙ

ｕｓｉｎｇ

ＷＴ．Ｔｈｅ

ｈｏｒｉｚｏｎｔａｌａｎｄｖｅｒｔｉｃａｌｈｉｇｈ—ｆｒｅｑｕｅｎｃｙｃｏｍｐｏｎｅｎｔｓａｒｅ

ｉｇｎｏｒｅｄ，ａｎｄｔｈｅｎｏｉｓｅｉｓ

ｅｌｉｍｉｎａｔｅｄ．Ｔｈｅｎ，ｄｉｍｅｎｓｉｏｎｒｅｄｕｃｔｉｏｎｉｓｐｅｒｆｏｒｍｅｄｂｙ２ＤＰＣＡ，ａｎｄ

ａ

ｗｈｉｔｅｎｅｄｍａｔｒｉｘｉｓ

ｏｂｔａｉｎｅｄ．Ｔｈｅｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏｎｅｎｔｓｏｆｔｒａｉｎｉｎｇｓａｍｐｌｅｓ

ａｒｅ

ａｃｑｕｉｒｅｄｂｙＩＣＡ．Ｍｅａｎｗｈｉｌｅ，ａｎ

ｉｎｄｅｐｅｎｄｅｎｔｂａｓｉｓｓｕｂｓｐａｃｅｉｓｃｏｎｓｔｒｕｃｔｅｄｂｙｔｈｅｉｎｄｅｐｅｎｄｅｎｔｂａｓｉｓｏｆｔｒａｉｎｉｎｇｓａｍｐｌｅｓ．Ｆｉｎａｌｌｙ，ｔｈｅｐｒｏｊｅｃｔｅｄｆｅａｔｕｒｅｓｏｆｔｒａｉｎｉｎｇａｎｄｔｈｅｔｅｓｔｉｎｇｓａｍｐｌｅｓｏｎ

ｔｈｅｉｎｄｅｐｅｎｄｅｎｔｂａｓｉｓｓｕｂｓｐａｃｅ

ａｒｅ

ｇａｉｎｅｄ，ｔｈｅｒｅｆｏｒｅ

ｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ

ｃａｎ

ｂｅｒｅａｌｉｚｅｄ

ａｃｃｏｒｄｉｎｇ

ｔｏ

ｔｈｅｎｅａｒｅｓｔ

ｎｅｉｇｈｂｏｕｒ

ｒｕｌｅ．

Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｎ

ＯｌｉｖｅｔｔｉＲｅｓｅａｒｃｈＬａｂｏｒａｔｏｒｙ（ＯＲＬ）ａｎｄＹａｌｅｆａｃｅｄａｔａｂａｓｅｓｈｏｗｔｈａｔ

ｔｈｅｒｅｃｏｇｎｉｔｉｏｎ

ｒａｔｅ

ｂｙｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｉｓｈｉｇｈｅｒｔｈａｎｔｈａｔｂｙ２ＤＰＣＡ，２ＤＰＣＡ—ＩＣＡ，ａｎｄ

＊广东省自然科学基金（Ｎｏ．０３２３５６）、北京大学视觉与听觉信息处理国家重点实验室开放课题基金（Ｎｏ．０５０５）资助项目收稿日期：２００５—０７—０４；修回日期：２００６—１卜２７

作者简介甘俊英，女，１９６４年生，教授，博士，主要研究方向为生物特征识别等．Ｅ—ｍａｉｌ：ｊｙｇａｎ＠ｗｙｕ．ｃｎ．李春芝，女，１９８２年生，硕士研究生，主要研究方向为生物特征信息处理与识别等．

  本文关键词：北京大学视觉与听觉信息处理国家重点实验室开放课题基金，由笔耕文化传播整理发布。