復雜光照條件下2DDWT+2DPCA算法在不同人臉庫上的研究

林小明

摘 要：人臉圖像在實際采集過程中會嚴重受光照條件變化的影響，本文圍繞復雜光照問題展開，在ORL人臉庫和Yale B人臉庫采用2DPCA+2DDWT算法提取復雜光照條件下的人臉圖像特征，驗證其魯棒性。

關鍵詞：復雜光照；特征提取；2DPCA+2DDWT

一、人臉識別系統概述

人臉識別系統是生物模式識別的一種，可分為六個部分：圖像獲取、人臉檢測、人臉定位、圖像預處理、特征提取及圖像分類。特征提取方法有基于幾何特征的方法、基于小波理論的人臉識別方法和神經網絡的方法等，目前對人臉特征提取的研究較多的方法還包括：彈性圖匹配法、KL變換法、奇異值分解法以及混合法等。

二、ORL人臉庫和Yale B介紹

ORL人臉庫是由英國劍橋Olivetti實驗室于1992年4月至1994年4月期間拍攝的一系列人臉圖像組成。該數據庫共包括40個人的400張人臉圖像，他們包括從18歲到81歲不等的年齡階段、不同種族的人群，其中男性為36人，女性為4人。每個研究對象包括10副分辨率為92*112的灰度圖像。每張圖像的背景均為黑色，每人的表情包括嚴肅、不笑、微笑、笑等，人臉的姿態也千差萬別。

Yale B人臉庫是由美國Yale大學的計算機視覺與控制中心創建。該數據庫是包括165張人臉的多姿態、多表情、多光照變化的人臉庫，共有15個人，每個人含有11張從不同的角度包括左光源、右光源、中心光源、戴眼鏡、不戴眼鏡、正規圖像、高興、悲傷、睡姿、驚奇和泛眼。每個人的人臉圖像的表情、姿態、光照變化都非常大。所有實驗人臉圖像的像素都統一為192*168，格式為.gif。

三、基于2DDWT+ 2DPCA算法的人臉特征提取方法

（一）2DDWT+ 2DPCA算法分析

良好的特征能夠有效地避免人臉圖像的表情、姿態以及光照等因素的影響，提取人臉圖像中的穩定特征是人臉識別的關鍵技術。由Jian 等人提出的2DPCA特征提取方法能夠直接實現對二維人臉圖像信息的降維處理，但不能夠有效地解決光照變化的影響，因此在有些光照復雜的人臉庫中識別效果不理想。

小波變換具有良好的時頻局部變化能力，在數字圖像處理領域廣泛應用。基于2DDWT +2DPCA算法的人臉特征提取方法，能夠同時利用二維離散小波變換獲取人臉圖像的低頻分量，去除了人臉高頻分量的影響，提高算法對光照和表情變化等因素的穩定性，彌補2DPCA算法在特征提取方面的不足，而且可以有效的利用2DPCA算法的降維作用。

本次試驗中，我們先利用二維離散小波變換分別在ORL人臉數據庫、Yale B人臉數據庫中的所有人臉圖像進行二級DB2小波分解得到四幅子圖像：一個低頻的圖像A11和三個高維圖像（A1h，Ah1，Ahh），由于低頻的圖像集中了人臉圖像的大部分能量，具有最大的分類能力，所以先使用人臉圖像的低頻部分進行人臉圖像的特征提取。把經過小波變換的訓練集人臉圖像的所有低頻部分經過2DPCA處理，得到最優的特征矢量集W，再分別把訓練集低頻人臉圖像系數矩陣和測試集人臉圖像系數矩陣在最優特征矢量集W上進行投影，分別得到小波訓練集特征矩陣和測試集特征矩陣，最后把所有的訓練特征矩陣和測試特征矩陣輸入到KNN分類器，輸出人臉識別的結果。

（二）算法在兩個人臉庫識別結果及分析

在ORL人臉庫中，選取每個人的前5張圖像作為訓練樣本，后5張圖像作為測試樣本，訓練樣本共包括200張人臉圖像，測試樣本包括200張不同人臉的圖像。在對人臉圖像的訓練樣本進行基于2DPCA最優投影向量選取時，特征量的數目分別定為5、7、…、15。Yale B人臉庫中，我們提取每個人圖像的前6張作為訓練樣本，后5張作為測試樣本。2DDWT+2DPCA在人臉特征數不同的情況下進行人臉識別的研究結果表1所示。

基于2DDWT+2DPCA算法在ORL人臉數據庫的識別率最高98.25%，最低97.50%；在Yale B上識別率最低為98.79%，最高為99.39%，識別率高，表明該算法進行人臉特征提取對特征量個數的選擇具有良好的魯棒性；隨著人臉特征數目增加，相應的識別時間也增加。

2DDWT+2DPCA算法在不同的訓練樣本（80，120，160，200）下的識別結果分別是94.38%、96.67%、97019%、98.25%。隨著訓練樣本集中人臉圖像的增加，基于2DDWT+2DPCA相融合的算法進行特征提取的人臉識別效果也在增高。

在MATLAB2014a上實現了2DPCA+2DDWT相融合，并對2DDWT

+2DPCA的特征提取算法分析和驗證，2DDWT+2DPCA是復雜光照條件下的最優特征提取算法。

參考文獻：

[1] 周翔，方文俊，羅斌，湯進.基于加權小波子帶圖像的貝葉斯人臉識別算法.北京交通大學學報，23（11），2013：26-33.

[2] 許永剛.復雜光照條件下人臉識別關鍵技術研究.電子科大學，2013，3，15.

[3] 戚大方，吳成東，基于小波變換與支持向量機的人臉識別.科技信息，2009，35.