毕业设计（论文）-基于小波变换的单样本人脸识别方法研究精选.doc

目 录 1 课题研究的背景 1 1.1 单样本人脸识别 1 1.2 小波变换在人脸图像上的应用 2 2 课题研究的目的及意义 4 2.1 课题研究的目的 4 2.2 课题研究的意义 4 3 国内外研究的动态及存在的困难 5 3.1 国内外研究的动态 5 3.2 目前存在的问题 6 4 本课题的研究方案及创新点 7 4.1 本课题的思想来源 7 4.2 拟采用的研究方案 7 4.3 方案论证 7 4.3 本课题的特色及创新点 8 5 本课题可能遇到的问题以及解决方法 9 5.1 人脸图像的光照预处理问题 9 5.2 人脸图像的空间归一化问题 9 5.3 小波多级分解问题 9 5.4 分类器设计问题 9 6 论文的工作计划 11 参考文献 12 1 课题研究的背景 1.1 单样本人脸识别 单样本人脸识别技术也就是利用计算机分析每个人的单幅人脸图像，从中提取出有效的识别信息，用来“辨认”身份的一门技术。 目前的人脸识别技术主要是基于多幅训练图像的[1]。例如在ORL人脸库上的许多实验都是在每人有十幅图像，其中5幅用于训练，5幅用于识别情况下得到的。但是在实际中，要得到每个人的各种变化的人脸数据库是很困难的，实验室的人员会积极地配合完成建立特定的人脸数据库的各种要求，而在实际应用中要求普通人员也这样配合未免有些过分，并且也不切合实际。在许多的实际场合中，我们只有每个人一张照片，例如可能是身份证、工作证、学生证、护照、毕业证和准考证等上面的一张照片。因此用单样本进行人脸识别是非常有意义的。 单样本人脸识别系统主要包括两个技术环节：一是人脸检测与定位，即检测图像中是否包含人脸，若有则将其从背景中分割出来，并确定其在图像中的大小和位置；二是特征提取与人脸识别，即提取待识别的人脸图像特征，与数据库中人脸进行匹配识别。特征提取之前一般需要做预处理工作。比如：根据人脸定位结果将图像中的人脸变化到同一位置和大小，或者是对图像进行光照处理以克服光照变化的影响。提取出待识别的人脸特征后，即可进行特征匹配。一个典型的人脸自动识别系统都是由图1所示的几个部分组成的。 图1.1 典型的人脸识别系统 从图1.1可以看出典型的人脸识别系统包括基本图像处理和识别过程两大部分，其中训练过程（即分类器的设计）可以看作预处理的一部分，是在后台进行的，此过程结束后将生成可用于分类识别的分类器。 1.2 小波变换在人脸图像上的应用 小波变换是近10年来迅速发展起来的一门新技术，是传统傅里叶变换发展史上的里程碑氏的进展。它是泛函分析、Fourier分析、样条分析、调和分析、数值分析等的完美结合，近年来已成为人脸识别研究的热点。 小波变换实质上是对信号用一种多尺度的带通滤波器进行滤波，将信号分解到不同的频带上再进行分析处理，具有良好的时频域局部性能、多分辨率分析等优点。小波变换被用于人脸识别主要由于人脸图像通过小波分解后，在不同方向上子图的分辨率减少，计算复杂度相应降低，同时它在空域和频域都提供了良好的局部信息。人脸图像信息中低频部分描述的是图像的整体（形状），高频部分描述的是图像的细节信息，人脸的光照、少许遮罩、旋转扭曲和面部表情等只影响图像中高频部分。利用小波变换所获得的人脸低频信息可以较好的描述对分类有用的人脸特征[2]。 一幅图像经小波一级分解后可分为4幅子图。如图1.2(a)所示，LL表示图像在水平和垂直方向的低频信息；HL表示图像水平高频信息及垂直低频信息；LH表示图像水平低频信息及垂直高频信息；HH表示图像水平高频信息及垂直高频信息。若对水平和垂直方向的低频信息LL重复分解下去，得到二级分解，如图1.2(b)所示。 (a) (b) 图1.2 小波分解后的人脸图像 2 课题研究的目的及意义 2.1 课题研究的目的 单样本人脸识别研究就是当人脸数据库中只存有一张标准的训练人脸图像时，能够识别外来的已注册的变化的人脸图像，以达到正确的识别个人身份目的。这就要求识别算法要有强的鲁棒性，并且识别速度要快，识别率要高。 2.2 课题研究的意义 与其它生物特征识别技术相比，人脸识别在可用性方面具有独到的技术优势，这主要体现在： 可以隐蔽操作，尤其适用于安全监控； 非接触式采集，没有侵犯性，容易被接受； 具有方便、快捷、强大的事后追踪能力； 图像采集设备成本低； 更符合人类的识别习惯，可交互性强。 单样本人脸识别与传统的基于多幅图像的人脸识别相比，不但具有上述优点，同时还具一个非常重要的优点，就是易得到人脸数据库。在国家政府安全部门或一些小型部门通常易得到个人的单幅照片，如身份证、工作证、学生证、护照、毕业证和准考证等