资源描述：
《基于二维线性判别分析的彩色人脸识别》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第36卷第12期北京工业大学学报Vo.l36No.122010年12月JOURNALOFBEIJINGUNIVERSITYOFTECHNOLOGYDec.2010基于二维线性判别分析的彩色人脸识别123白晓明,王成章,石勤(1首都经济贸易大学信息学院,北京100070;2中央财经大学应用数学学院,北京100081;3北京工业大学计算机学院,北京100124)摘要:为了提高人脸识别的准确率,提出了一种基于二维线性判别分析的彩色人脸识别算法,直接对彩色人脸图像不同通道的颜色信息进行编码,
2、采用矩阵表示模型描述人脸对象;融合人脸的类别特征,采用二维线性判别分析的算法提取彩色人脸的分类特征;根据投影后的特征矩阵,采用最近邻分类的算法进行人脸识别.利用CVL和CMUPIE彩色人脸数据库进行实验.结果表明,本文提出的彩色人脸识别算法能有效地提高人脸识别的准确率,明显优于对比的算法.关键词:人脸识别;线性判别分析;主成分分析中图分类号:TP39141文献标志码:A文章编号:0254-0037(2010)12-1717-05人脸识别由于其广泛的应用前景,一直是模式识别和计算机视觉等领域的研
3、究热点.目前,多数人脸[1]识别算法只是利用人脸图像的灰度信息进行分类识别.然而,彩色是人脸图像的一种显著特征,最近的[2]研究表明,图像的彩色数据为人脸识别提供了一种有用的信息.Isenberg等的研究结果表明,彩色信息[3]在物体感知方面起到了重要的作用,在复杂的环境中发挥的作用更加明显;Ou等的研究表明,人眼可以[4]区分的彩色种类至少达到上千种,能分辨的灰度级别最多能达到10~15级;Yip等的研究证明,彩色数据为人脸识别提供了重要的信息,当人脸图像的形状信息缺失时,基于彩色图像的识别准确率
4、要高于基于灰度图像的准确率.[5]Rajapakse等提出了一种基于非负矩阵分解的彩色人脸识别算法.首先,将彩色人脸图像按照R、G、B颜色通道分解成3类图像;然后,分别在各个颜色通道上采用非负矩阵分解算法计算人脸对象的特征[6]系数;最后,通过融合各个颜色通道上的分类结果进行人脸识别.Creed等提出了一种将彩色人脸图像变换成灰度图像的优化算法,基于转换后的图像,采用特征脸算法进行人脸识别.后来,他们又将Gabor[7][8]滤波器拓展到彩色图像,用于人脸识别.Torres等提出了一种基于主成分分析
5、的彩色人脸识别算法:首先,将彩色人脸的3个颜色通道分别表示成向量的形式,然后在每个颜色通道上采用主成分分析算法进[9]行人脸的分类,最后融合3个通道上的分类结果进行人脸识别.Yang等提出了一种统一的彩色人脸识别框架.该框架采用1组彩色分量的组合系数表示人脸对象,并通过组合系数将彩色人脸图像变换成灰[10]度图像,用于最后的人脸识别.Wang等提出了一种基于二维主成分分析的彩色人脸识别算法.首先,采用一种矩阵表示模型描述彩色人脸,对各个颜色通道的信息同时进行编码;然后,采用二维主成分分析算法计算彩色
6、特征人脸;最后,以人脸样本在彩色特征空间上的投影系数为特征进行人脸识别.主成分分析算法的实质是寻找一个最优的投影方向,使得样本数据在该方向上的投影方差达到最大.线性判别分析算法是寻找一组最优的鉴别矢量,使得投影数据的类内距最小、类间距最大.不同于主成分分析算法,线性判别分析算法融入了人脸的类别信息,建立了最优的鉴别空间,更加有利于人脸的分类识别.因此,如何在彩色人脸识别中加入人脸的类别信息,建立最优的鉴别空间是研究者关注的一个热点问题.收稿日期:20090320.基金项目:国家自然科学基金资助项
7、目(10801004);北京市属高等学校人才强教深化计划资助项目(RHR201007117);首都经济贸易大学校级重点资助项目(2010XJZ002).作者简介:白晓明(1976),女,河北沧州人,讲师.1718北京工业大学学报2010年1彩色人脸图像的矩阵表示模型彩色人脸图像不同于灰度图像,在每个像素点处由多个通道的颜色信息共同构成,不同通道的颜色信[10]息之间存在较强的相关性.为了保持彩色人脸信息结构的完整性,本文采用矩阵表示模型对各个通道的颜色信息同时进行编码.其基本思想是
8、:首先,在彩色人脸图像上定义表示模型的基本单元,比如图像的像素点,然后,由基本单元处图像的属性,比如像素点处图像不同通道的颜色信息,构成表示模型的基本成分.假定n表示一幅n1n2大小的彩色人脸图像F的像素点的个数,即n=n1n2.彩色人脸图像F在T3È每个像素点处3个颜色通道的彩色值为(R,G,B)!R.本文将彩色图像的像素点定义为矩阵表示模型的基本单元,假定ui表示第i个基本单元(1∀i∀n),则一幅彩色人脸图像F可以表示为F=(u1,u2,#,un)mÈ其中ui!
