基于PCA-L1范式特征提取的大学图书馆人脸识别
2021-10-26殷守林
安阳工学院学报 2021年6期
曹 伟,殷守林
(1.郑州工业应用技术学院图书馆,郑州451150;2.哈尔滨工业大学电子与信息工程学院,哈尔滨150001)
生物识别技术是一种利用人类的物理或行为特征来验证个人身份的技术。近10年来,人脸识别成为一种常见的生物特征识别方法技术。这不是一个简单的任务,通常被认为这是一个数据分析问题。任何人脸识别系统的第一个预处理步骤都是从原始图像中提取相关的面部特征。为了提取这些特征,近年来发展了许多技术[1-3]。其中,小波变换[4-5]是一种非常强大和实用的人脸识别技术。该变换的目的是提取出光照条件不佳或被遮挡的鲁棒人脸特征。为此,小波变换将人脸图像分解为子图像,根据子图像的方向和频率进行局部定位。
主成分分析(PCA)[6-7]是一种传统的基于L2范式的降维方法。最近,李勇等[8]提出了一种基于L1范式的新算法PCA-L1,该算法对噪声和异常值具有更强的鲁棒性。然而,PCA-L1范数需要大量的时间来计算投影基。为了解决这一局限性,本文提出了一种称为WTPCA-L1的新技术,它利用Daubechies变换的三层小波分解和PCA-L1进行特征提取。
1 PCA-L1范式算法



2 离散小波变换
近10年来,离散小波变换(DWT)[9-11]已成为图像处理领域的一种实用处理方法。小波变换的主要目的是将图像分解成子带。这些不同的子图像主要用于图像压缩和特征提取。然而,图像LL1是原始图像的较粗近似值。在这项工作中,使用Db2将人脸图像转换成三层小波。图1很好地说明了分解层次。

图1 三级小波分解
更进一步的不是使用原始图像。……
登录APP查看全文
