1、人臉識(shí)別是圖像處理和計(jì)算機(jī)視覺領(lǐng)域的一項(xiàng)重要研究?jī)?nèi)容，其主要目的是通過匹配數(shù)據(jù)庫來檢測(cè)輸入的測(cè)試人臉圖像屬于哪一類別。臉部識(shí)別率指的是正確識(shí)別出的臉部圖像的比率?？赏ㄟ^使用圖像處理原理增強(qiáng)面部圖像本身或通過增強(qiáng)用于識(shí)別的技術(shù)來提高臉部識(shí)別率。本文采用兩種方法來增強(qiáng)人臉識(shí)別效果:一是在用小波去噪方法對(duì)人臉圖像進(jìn)行預(yù)處理的基礎(chǔ)上提出一種新的基于主成分分析的方法對(duì)人臉進(jìn)行識(shí)別，二是采用身份識(shí)別方法對(duì)基于尺度不變特征變換的匹配過程進(jìn)行增強(qiáng)。本文

2、的主要研究?jī)?nèi)容概述如下:
　　1.對(duì)有噪音和無噪音時(shí)的人臉識(shí)別率進(jìn)行了對(duì)比。我們采用基于小波變換的圖像去噪方法利用ORL人臉庫來構(gòu)建新的人臉庫，然后對(duì)其計(jì)算人臉識(shí)別率。通過基于單一濾波器(Haar， Daubechies和Symlet)，圖像文件格式（JPG和BMP），以及兩種預(yù)處理環(huán)節(jié)對(duì)圖像進(jìn)行降噪，提高了人臉識(shí)別率。本文設(shè)計(jì)了三個(gè)實(shí)驗(yàn)以檢驗(yàn)單一濾波器的增強(qiáng)效果，實(shí)驗(yàn)一中利用直到10層的小波分解來對(duì)ORL去噪，PCA則被用于衡量

3、正確率。根據(jù)第一個(gè)實(shí)驗(yàn)結(jié)果中表現(xiàn)最好的分解層（1，2，3和10），在第二個(gè)實(shí)驗(yàn)中對(duì)ORL人臉庫的不同類別進(jìn)行降噪。實(shí)驗(yàn)三中，我們將Haar10應(yīng)用于PCA、線性判別式分析(LDA)，核PCA和Fisher分析(FA)等人臉識(shí)別方法，并對(duì)含有噪聲和不含噪聲的人臉數(shù)據(jù)庫進(jìn)行識(shí)別。對(duì)JPG和BMP格式人臉圖像，本文研究對(duì)比了含有和不含小波變換去噪過程對(duì)單一的濾波器用于人臉識(shí)別的效果。此外，本文還引入了兩個(gè)自適應(yīng)的圖像增強(qiáng)和去噪環(huán)節(jié)，每個(gè)環(huán)節(jié)均

4、包括三個(gè)步驟。第一個(gè)環(huán)節(jié)中，首先利用10層分解的Haar小波濾波器對(duì)人臉圖像進(jìn)行去噪，再調(diào)整降噪后的圖像對(duì)比度，最后利用高斯拉普拉斯高通濾波器處理人臉邊緣，從而提高了PCA和核PCA的識(shí)別率。第二個(gè)環(huán)節(jié)中，首先調(diào)整圖像對(duì)比度，再利用直方圖均衡化，最后利用10層分解的Haar小波濾波器進(jìn)行去噪，從而提高了線性判別式分析和核Fisher判別分析(KFA)的識(shí)別率。
　　我們提出的改進(jìn)算法得到了更好的結(jié)果，在400幅人臉圖像數(shù)據(jù)庫測(cè)試中

5、，比PCA，LDA，KPCA，和FA在識(shí)別率方面分別提高了10％，5％，20％和4％。
　　2.提出了一種新的基于自適應(yīng)主成分分析(APCA)和去噪數(shù)據(jù)庫的人臉識(shí)別方法。此方法使用Daubechies濾波設(shè)計(jì)了一種新的基于單級(jí)二維離散小波變換的主成分分析方法，克服了PCA缺乏辨別能力和計(jì)算復(fù)雜度高的兩個(gè)缺點(diǎn)。ORL人臉庫所有的人臉圖像被轉(zhuǎn)換為JPG文件格式，并利用10層的Haar小波分解進(jìn)行去噪，目的是為了闡明:基于小波變換的JP

6、G文件比原始的PGM文件格式具有一定優(yōu)勢(shì)。與標(biāo)準(zhǔn)統(tǒng)計(jì)主成分分析，核主成分分析，Gabor主成分分析和BP神經(jīng)網(wǎng)絡(luò)主成分分析四種方法相比，本文提出的自適應(yīng)方法在提高準(zhǔn)確率，減少運(yùn)行時(shí)間和計(jì)算復(fù)雜性方面均有較好的效果。
　　3.提出了一種新的人臉識(shí)別方法。該方法由三部分組成:去噪人臉數(shù)據(jù)庫，基于小波變換的自適應(yīng)主成分分析(APCAWT)方法和尺度不變特征變換(SIFT)方法。其主要思想是在利用APCAWT對(duì)ORL數(shù)據(jù)庫進(jìn)行壓縮和去噪的

7、基礎(chǔ)上擴(kuò)展SIFT特征，利用JPG格式進(jìn)行壓縮，利用雙小波濾波器（10層分解的BIOR1.1和Haar）進(jìn)行去噪。由于在SIFT算法中融入了用于特征提取的PCAWT特征臉方法，因此，只需根據(jù)特定的閾值比較屬于正確匹配聚類的SIFT特征。文中給出了若干實(shí)驗(yàn)用以評(píng)估我們所提出的去噪濾波器的性能、PCAWT的性能，以及整個(gè)APCAWT-SIFT方法的效果。我們發(fā)現(xiàn)，使用APCAWT可以減少輸入到SIFT的人臉圖像的大小，這導(dǎo)致面部圖像關(guān)鍵點(diǎn)的