基于分數階傅里葉變換的人臉識別.pdf

1、針對圖像和視頻流中的人臉圖像識別已經成為研究的一大熱點，在電子信息、生物信息自動識別和人機交互領域等得到了廣泛的應用。近年來，學術界和工業(yè)界提出了許多人臉識別算法。目前，盡管人們可以在實驗環(huán)境條件下很好的對人臉圖像進行檢測和識別，但在現實的環(huán)境下自動檢測和自動識別仍是一個巨大的挑戰(zhàn)。目前，人臉識別領域面臨的挑戰(zhàn)主要來自光照、觀察視角、面部表情、年齡以及類如毛發(fā)、眼鏡和面部飾物等遮擋因素。分數階傅里葉變換作為傅里葉變換的廣義形式，可以認為

2、對信號在時頻軸任意角度的逆時針旋轉。人臉圖像通過分數階傅里葉變換被映射到時頻域空間，實現信號時頻域展開，同時不同階次分數階傅里葉變換對應不同的時頻域，有利于提取人臉圖像面部特征和最后的人臉識別。因此，FrFT不僅實現傳統傅里葉變換的功能，而且更具有普適性和靈活性。本研究主要內容包括：
　　⑴提出了基于局部分數階傅里葉變換直方圖序列的人臉描述識別算法。鑒于分數階傅里葉變換和局部二值模式(Local binary pattern, L

3、BP)對光照、噪聲等因素的魯棒性，很好地提高了人臉識別率。首先，對一張人臉圖像2D-FrFT和LBP編碼分數階域的幅度和相位；其次，編碼后紋理圖劃為無重疊的區(qū)域和統計每個區(qū)域的直方圖，最后將這張人臉圖像所有區(qū)域的統計直方圖串聯。此外，本文引入貪婪算法對參數分數階變換階次進行選擇。公共數據庫上的仿真證明了本文算法的有效性。
　?、铺岢龌谙∈鑀CA的多階次分數階傅里葉變換。鑒于分數階傅里葉變換對光照、表情的魯棒性，并已在圖像處理領域

4、得到應用，首先，FrFT幅度隨階次的變換呈現壓縮性，而稀疏PCA提取其主要信息且分為主要信息域和次要信息域，融合二者的互補信息組成混合幅度特征，然后融合混合幅度特征、實部特征和虛部特征，最后融合不同階次下FrFT域特征。此外該文提出基于貪婪算法的分數階階次選擇算法和基于Fisherfaces的權重方法。ORL和AR人臉數據庫上的仿真證明了本算法的有效性。
　?、嵌嗄B(tài)稀疏識別引入確定性遮擋詞典對遮擋人臉圖像稀疏編碼，從而取得了魯棒

5、性的人臉識別效果。然而，其遮擋詞典必須滿足正交性及設定合理遮擋詞典的困難性，此外，分數階傅里葉變換對人臉圖像噪聲的魯棒性，提出基于分數階域幅度的局部稀疏表示和魯棒主成分分析法相結合的人臉遮擋識別算法。文章首先對人臉圖像2D-FRFT變換并任意性劃分得到待選區(qū)域片，然后對多個區(qū)域片聯合稀疏表示，同時魯棒主成分分析法參與其稀疏表示計算最佳的遮擋詞典并減弱遮擋、光照、表情等干擾影響。此外，提出基于最大相似度片選算法選擇最佳的區(qū)域片集合和基于稀