[发明专利]基于多尺度总体变分商图像的独立分量分析人脸识别方法

摘要

本发明公开了一种基于多尺度总体变分商图像的独立分量分析人脸识别方法，属于人脸识别技术领域，包括对比度增强；用TV－L¹对人脸图像做尺度分解，得到含骨骼轮廓及肌肉信息的大尺度图像和含口眼鼻细节的小尺度图像；对小尺度图像进行商平衡得到光照不变的特征；选用特征融合技术，将大尺度特征和光照不变的特征融合成新人脸图像；用Gabor分析提取新人脸图像在特定尺度和方向上的特征，生成多尺度Gabor人脸；用信息最大化独立分量分析算法提取所有样本的特征向量；利用已知人脸的特征向量对待识别人脸的特征向量计算相似度和按相似度排序给出最终识别结果。本发明达到了高的识别率和对光照、表情、化妆等外部干扰的强的鲁棒性。

主权项

1、一种基于多尺度总体变分商图像的独立分量分析人脸识别方法，其特征是采用下面的步骤：步骤1：采用直方图均衡化方法对传感器传回来的图像进行预处理，降低图像中噪声干扰，增强人脸图像样本的灰度对比度；步骤2：使用具有尺度分解特性的TV-L1模型将步骤1中对比度增强后的人脸图像样本进行多尺度分解，得到人脸图像的大尺度特征u及小尺度特征v；在这一步中，为了保证整个算法的效率，使用快速的高阶偏微分方程数值实现方法，并且根据样本人脸图像大小自适应地确定尺度参数；步骤3：使用步骤2提取的大尺度图像信息u进行光照商平衡操作，从而增强光照阴影部分的小尺度图像信息，这样可以统一地增强并得到新的具有光照不变性的小尺度特征步骤4：选用特征融合技术，将由步骤2和步骤3提取到的大尺度特征u和新的具有光照不变性的小尺度特征融合成新的人脸图像；步骤5：采用Gabor分析技术，进一步提取步骤4融合得到的新的人脸图像在特定尺度和特定方向上的特征，生成多尺度的Gabor人脸表示，同时可以为原始样本增加特征维数；步骤6：对训练集中的每一个人脸图像样本，应用步骤1、2、3、4和5提取它们的多尺度Gabor人脸表示，选取主分量分析算法将训练集中所有样本进行降维并保存相关的投影矩阵W，使用这些降维后的样本数据进一步训练采用信息最大化算法的独立分量分析算法并保存训练所得到的独立分量分析算法的分离矩阵Ξ；步骤7：对已知身份的每一个人的人脸图像应用步骤1、2、3、4和5提取它们的多尺度Gabor人脸表示，采用步骤6保存的投影矩阵W对这些多尺度Gabor人脸表示进行降维，采用步骤6保存的独立分量分析算法的分离矩阵Ξ提取这些降维后样本的高阶统计特征，将其和已知身份的每一个人的人脸图像及其身份档案一起存入数据库；步骤8：对待确认身份的每一个人的人脸图像应用步骤1、2、3、4和5提取它们的多尺度Gabor人脸表示，采用步骤6保存的投影矩阵W对这些多尺度Gabor人脸表示进行降维，采用步骤6保存的独立分量分析算法的分离矩阵Ξ提取这些降维后样本的高阶统计特征；步骤9：在步骤7保存的已知身份的数据库中对步骤8中待确认身份的每一个人采用余弦距离作为相似性度量并采用按相似度排序的方法进行身份确认与核实。