基于小波变换的人脸识别
|
摘要
本文探讨基于小波变换的人脸识别。对介绍了传统小波变换和Gabor小波变换及其对比分析，并利用子空间分析（特征脸）技术作了几个人脸识别实验。具体内容如下：
介绍了人脸识别的两步骤：①人脸检测和定位。包括：基于统计的人脸检测方法和基于知识建模的人脸检测方法。②人脸特征提取与识别的几种主要方法：基于几何特征的人脸识别、基于子空间分析的人脸识别、基于弹性图匹配的人脸识别、基于神经网络的人脸识别、基于隐马尔可夫模型的人脸识别和基于模板匹配的人脸识别等。
其次，分别用传统小波变换和Gabor小波变换对人脸图像做处理，并做识别实验。
最后，分别应用了在实验室中采集的人脸图像以及从ORL人脸库和Stirling人脸库中抽取的人脸图像进行具体实验，并对实验结果进行分析。
This paper investigates face recognition based on wavelet transformation. It alsodescribes traditional wavelets and Gabor wavelets as well as their comparison. Several facerecognition experiments are performed based on subspace analysis (feature face). Our majorwork is as follows.
Two steps of face recognition are discussed:①face detection and location which includestatistical method and knowledge based modeling methods;②facial feature extraction andrecognition including geometric features, subspace analysis, elastic graph matching,neural network, hidden Markov model, and template matching methods etc..
Next, analysis of the wavelet transform in image processing applications, use traditionalwavelet transform and Gabor wavelet transform to processing pictures.
Finally, we use the face images collected in our laboratory, the ORL face library and theStirling international authoritative face library to perform some specific experiments, thenanalyze the experimental results to show the advantages of wavelet transformation in facerecognition.
介绍了人脸识别的两步骤：①人脸检测和定位。包括：基于统计的人脸检测方法和基于知识建模的人脸检测方法。②人脸特征提取与识别的几种主要方法：基于几何特征的人脸识别、基于子空间分析的人脸识别、基于弹性图匹配的人脸识别、基于神经网络的人脸识别、基于隐马尔可夫模型的人脸识别和基于模板匹配的人脸识别等。
其次，分别用传统小波变换和Gabor小波变换对人脸图像做处理，并做识别实验。
最后，分别应用了在实验室中采集的人脸图像以及从ORL人脸库和Stirling人脸库中抽取的人脸图像进行具体实验，并对实验结果进行分析。
This paper investigates face recognition based on wavelet transformation. It alsodescribes traditional wavelets and Gabor wavelets as well as their comparison. Several facerecognition experiments are performed based on subspace analysis (feature face). Our majorwork is as follows.
Two steps of face recognition are discussed:①face detection and location which includestatistical method and knowledge based modeling methods;②facial feature extraction andrecognition including geometric features, subspace analysis, elastic graph matching,neural network, hidden Markov model, and template matching methods etc..
Next, analysis of the wavelet transform in image processing applications, use traditionalwavelet transform and Gabor wavelet transform to processing pictures.
Finally, we use the face images collected in our laboratory, the ORL face library and theStirling international authoritative face library to perform some specific experiments, thenanalyze the experimental results to show the advantages of wavelet transformation in facerecognition.
引文
[1] Chien J en2Tzung,Wu Chia2Chen. Discriminant wavelet faces and nearest featureclassifiers for face recognition [J]. IEEE trans. on PAMI, 2002, 24 (12):1644 - 1649.
[2]刘青山,卢汉清,马颂德.综述人脸识别中的子空间方法[J].自动化学报,2003,29(6):900-911.
[3]张翠平,苏光大.人脸识别技术综述[J]。中国图像图形学报,2000，5 (11):855 -894.
[4] Moghaddam B,Pentland A.Probabilistic visual learning for object representation [J].IEEE Transactions on pattern analysis and machine intelligence, 1997, 19(7):696-710.
[5] Moghaddam B,Jebara T,Pentland A. Bayesian Face Recognition[J]. PatternRecognition,2000,33(11):1771-1782.
[6]沈兰荪,卓力.小波编码与网络视频传输[M].北京:科学出版社, 2005203.
[7] Vidakovic B, Lozoya C B. On time-dependent wavelet denoising. IEEETrans. SignalProcessing,1998,46(9):2549~2551
[8] Harry Wechsler, P. Jonathon Philips, Vicki Bruce. Face Recognition from Theory toApplication[M]. Springer in Cooperation with NATO Scientific Affairs Divison,2008.
[9] M．S．Bartlett，T.J. Sejnowski．Independent of Face Images：A Representation for FaceRecognition[M]. Proceedings of me Fourth Annual Joint Symposium on NeuralComputation，Pasadena，CA，1997.
[10]程正兴小波分析与应用实例,西安交通大学出版社2006.9
[11]刘禾数字图像处理及应用,中国电力出版社2006.1
[12]程正兴杨守志冯晓霞.小波分析的理论算法进展和应用，国防工业出版社2007.7
[13]陈武凡.小波分析及其在图像处理中的应用，科学出版社2003.7
[14]潘泉,张磊,孟晋丽,张洪才.小波滤波方法及应用清华大学出版社2005.9
[15]Krzdnowski W J. The performance of Fisherp’s lineardiscriminant function under non2optimal conditions[J].Technometrics, 1977, 19:191-200.
[16]杨绍华.一种基于小波变换和PCA的人脸识别改进方法，吉林工程技术师范学院学报，2008年9月，第24卷第9期
[17]李国军.人脸识别中应用小波变换的三个关键问题,计算机与现代化.2009年第一期
[18]牛丽平,薛占熬.基于小波变换的Bayesian人脸识别方法，河南师范大学学报(自然科学版)2009年3月,第37卷第2期
[19]Belhumeur P N. Eigenfaces vs.fisherfaces: recognition using class specific linearprojection[J]. Transactions on Pattern Analysis and Machine Intelligence, 1997, 19(7).
[20]庞珊珊,熊建设.人脸识别技术和算法综述，信息技术，2009 No.11
[21]聂祥飞,人脸识别综述,重庆三峡学院学报,2009, 25(3)
[22]葛微,程宇奇,刘春香,陈秋萍,基于子空间分析的人脸识别方法研究,中国光学与应用光学第2卷第5期2009年10月
[23]周杰,卢春雨,张长水,李衍达,人脸自动识别方法综述,电子学报第4期2000年4月
[24]王娟,汪红,陈文峰,人脸识别技术的比较与结合,人工智能及识别技术.
[25]王蕴红,谭铁牛,朱勇．基于奇异值分解和数据融合的脸像鉴别[J]．计算机学报，2000，23(6)
[26]周志华,皇甫杰,张宏江等．基于神经网络集成的多视角人脸识别田．计算机研究与发展，200l，38(10)
[2]刘青山,卢汉清,马颂德.综述人脸识别中的子空间方法[J].自动化学报,2003,29(6):900-911.
[3]张翠平,苏光大.人脸识别技术综述[J]。中国图像图形学报,2000，5 (11):855 -894.
[4] Moghaddam B,Pentland A.Probabilistic visual learning for object representation [J].IEEE Transactions on pattern analysis and machine intelligence, 1997, 19(7):696-710.
[5] Moghaddam B,Jebara T,Pentland A. Bayesian Face Recognition[J]. PatternRecognition,2000,33(11):1771-1782.
[6]沈兰荪,卓力.小波编码与网络视频传输[M].北京:科学出版社, 2005203.
[7] Vidakovic B, Lozoya C B. On time-dependent wavelet denoising. IEEETrans. SignalProcessing,1998,46(9):2549~2551
[8] Harry Wechsler, P. Jonathon Philips, Vicki Bruce. Face Recognition from Theory toApplication[M]. Springer in Cooperation with NATO Scientific Affairs Divison,2008.
[9] M．S．Bartlett，T.J. Sejnowski．Independent of Face Images：A Representation for FaceRecognition[M]. Proceedings of me Fourth Annual Joint Symposium on NeuralComputation，Pasadena，CA，1997.
[10]程正兴小波分析与应用实例,西安交通大学出版社2006.9
[11]刘禾数字图像处理及应用,中国电力出版社2006.1
[12]程正兴杨守志冯晓霞.小波分析的理论算法进展和应用，国防工业出版社2007.7
[13]陈武凡.小波分析及其在图像处理中的应用，科学出版社2003.7
[14]潘泉,张磊,孟晋丽,张洪才.小波滤波方法及应用清华大学出版社2005.9
[15]Krzdnowski W J. The performance of Fisherp’s lineardiscriminant function under non2optimal conditions[J].Technometrics, 1977, 19:191-200.
[16]杨绍华.一种基于小波变换和PCA的人脸识别改进方法，吉林工程技术师范学院学报，2008年9月，第24卷第9期
[17]李国军.人脸识别中应用小波变换的三个关键问题,计算机与现代化.2009年第一期
[18]牛丽平,薛占熬.基于小波变换的Bayesian人脸识别方法，河南师范大学学报(自然科学版)2009年3月,第37卷第2期
[19]Belhumeur P N. Eigenfaces vs.fisherfaces: recognition using class specific linearprojection[J]. Transactions on Pattern Analysis and Machine Intelligence, 1997, 19(7).
[20]庞珊珊,熊建设.人脸识别技术和算法综述，信息技术，2009 No.11
[21]聂祥飞,人脸识别综述,重庆三峡学院学报,2009, 25(3)
[22]葛微,程宇奇,刘春香,陈秋萍,基于子空间分析的人脸识别方法研究,中国光学与应用光学第2卷第5期2009年10月
[23]周杰,卢春雨,张长水,李衍达,人脸自动识别方法综述,电子学报第4期2000年4月
[24]王娟,汪红,陈文峰,人脸识别技术的比较与结合,人工智能及识别技术.
[25]王蕴红,谭铁牛,朱勇．基于奇异值分解和数据融合的脸像鉴别[J]．计算机学报，2000，23(6)
[26]周志华,皇甫杰,张宏江等．基于神经网络集成的多视角人脸识别田．计算机研究与发展，200l，38(10)