[发明专利]一种基于奇异值分解的多源人脸图像联合特征提取方法

摘要

本发明的目的是提出一种基于奇异值分解的多源人脸图像联合特征提取方法，以用于提高人脸识别的识别率。本发明基于奇异值分解的多源人脸图像联合特征提取方法包括如下步骤：A：提取人脸样本的灰度图、二值图、直观性特征图作为数据源，并融合为联合特征；B：提取联合特征的属性值，计算出反向积分图，利用奇异分解反向积分图获取反向积分图奇异值，利用反向积分图奇异值计算出反向积分图奇异值矩阵；C：利用反向积分图奇异值矩阵与三线插值加速特征计算，得到高维的方向梯度直方图；D：利用局部均值的核最近邻凸包算法对方向梯度直方图进行特征降维计算，得到低维的人脸图像方向梯度直方图特征。

主权项

1.一种基于奇异值分解的多源人脸图像联合特征提取方法，其特征在于包括如下步骤：A：提取人脸样本的灰度图、二值图、直观性特征图作为数据源，并融合为联合特征；B：提取联合特征的属性值，计算出反向积分图，利用奇异分解反向积分图获取反向积分图奇异值，利用反向积分图奇异值计算出反向积分图奇异值矩阵；具体如下：将联合特征GHOG分解为n行，m列的属性值，其中：n表示矩阵的行数，m表示矩阵的列数，将在坐标位置(i,j)上提取的属性值表示为image(i,j)，1≤i≤n，1≤j≤m；GHOG＝{image(i,j)|1≤i≤n,1≤j≤m}；使用反向SVD‑Viloa算法求出image(i,j)的反向积分图Integral(i,j)，具体计算公式如下：F(i,j)＝F(i,j+1)+image(i,j)；Integral(i,j)＝Integral(i+1,j)+F(i,j)；其中F(i,j)表示GHOG中当前像素点(i,j)对应的所在列的积分值，image(i,j)是当前像素点(i,j)对应的属性值，Integral(i,j)表示当前像素点(i,j)对应的积分图，计算的过程中需要分配Integral、F和image三个图像大小的空间，该步骤包含反向迭代的F(i,j+1)和Integral(i+1,j)，赋初始值F(n,：)＝image(n,：)，Integral(:,m)＝image(:m)将反向积分图Integral(i,j)构造成一个n行，m列的矩阵A；其中：n表示矩阵的行数，m表示矩阵的列数；将矩阵A与对应的特征向量正交矩阵U和矩阵V进行奇异值分解，得到反向积分图Integral(i,j)的奇异值，再利用反向积分图Integral(i,j)的奇异值计算出反向积分图Integral(i,j)的奇异值矩阵Γ，其中：Γ＝(UTAV)T(UTAV)；所述T是矩阵的转置符号；C：利用反向积分图奇异值矩阵与三线插值加速特征计算，得到高维的方向梯度直方图；D：利用局部均值的核最近邻凸包算法对方向梯度直方图进行特征降维计算，得到低维的人脸图像方向梯度直方图特征。