【正文】 、保安監(jiān)視、門(mén)禁控制及至自動(dòng)柜員機(jī)（ ATM）等多種場(chǎng)合 [2]。與其它技術(shù)相比，它具有侵犯性小、較少需要或不需要用戶的主動(dòng)配合、樣本采集方便、應(yīng)用場(chǎng)合廣泛、潛在的數(shù)據(jù)資源豐富、設(shè)備成本低等優(yōu)點(diǎn) [1]。 關(guān)鍵詞 ： 人臉識(shí)別 ； Gabor ， 紋理特征 ； 小波變換 ； NKFDA； 多分類(lèi)器 Abstract Face recognition has been one of the hottest research topics in puter vision for recent two decades due to wide potential applications in security,finance,law enforcement 本科畢業(yè)設(shè)計(jì)論文 （附錄 包含源代碼） and research achievements promote the development of correlative the continuous development of face recognition technology,the larger image library,the higher recognition rate,the faster the rate of identification has bee the new direction of face recognition present,there are already quite mature face recognition technologies using in real Pixelpatternbased texture feature(PPBTF) has been applied to realtime facial expression recognition system successfully,we use it in face recognition and propose a novel face representation approach,Gabor PixelPatternBased Texture Feature(GPPBTF).Gabor wavelets can extract image’s local information exactly and is robustness to displacement, deformation,rotation,scaling and illumination can describe image’s texture information and is insensitive to illumination and time paper bines Gabor wavelets and PPBTF’s advantages to represent face bining operator is termed as Gabor PixelPatternBased Texture Feature(GPPBTF).Null Spacebased Kernel Fisher Discriminant Analysis(NKFDA) has been used in face recognition can map the feature vector into null space of kernel function to get more effective discriminant features and reduce the dimension of feature paper proposed a method based on multiple NKFDAs to classify the face images which solve the problem of losing useful information when mapping the high dimension vector into low dimension paper proposes a method which bines GPPBTF and multiple NKFDAs to classify the face images on FERET method achieves higher recognition accuracy. Key words： Face Recognition； Gabor； Texture Feature； Gabor Wavelet； NKFDA； Multiclassifier； 1 緒論 研究背景及意義 人臉識(shí)別是生物特性鑒別技術(shù)的一個(gè)主要方向，它涉及圖像處理，模式識(shí)別，計(jì)算機(jī)視覺(jué) 等多個(gè)研 究領(lǐng)域，具有十分廣泛的應(yīng)用前景，多年來(lái) 一直是一個(gè)研究熱點(diǎn)。本文提出了一種基于多 NKFDA 分類(lèi)器相結(jié)合的分類(lèi)方法 ,有效地解決了超高維向量 向低維空間投影丟失判決信息的難題 ,提高了分類(lèi)的準(zhǔn)確性?；诤撕瘮?shù)零空間 Fisher 判決分析 (NKFDA)的分類(lèi)方法已經(jīng)成功地應(yīng)用于人臉識(shí)別。 PPBTF 特征能夠有效的描述圖像的紋理特征 ,對(duì)光照影響不敏感 ,計(jì)算速度快 ,耗時(shí)少。鑒于基于像素模式 的紋理特征 (PPBTF)已經(jīng)成功地應(yīng)用于人臉表情識(shí)別 ,本文將它應(yīng)用于人臉識(shí)別 ,并在此基礎(chǔ)上提出了一種新的人臉特征表示方法 —— 基于Gabor 像素模 式的紋理特征 (GPPBTF)。本科畢業(yè)設(shè)計(jì)論文 （附錄 包含源代碼） 基于 Gabor 紋理特征的人臉識(shí)別 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 摘要 ........................................................................................................................................ 2 Abstract ................................................................................................................................... 2 1 緒論 .................................................................................................................................. 3 研究背景及意義 ...................................................................................................... 3 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì) .................................................................................. 5 人臉識(shí)別的常用方法 .............................................................................................. 6 本論文的主要研究工作 .......................................................................................... 8 2 Gabor 特征提 取算法的實(shí)現(xiàn) ......................................................................................... 10 Gabor 小波簡(jiǎn)介 ...................................................................................................... 10 人臉圖像的 Gabor 特征 ........................................................................................ 13 3 奇異值特征提取算法的實(shí)現(xiàn) ........................................................................................ 16 人臉圖像的奇異值特征 ........................................................................................ 16 奇異值特征向量的重要性質(zhì) ................................................................................ 18 4 Gabor 特征與奇異值特征融合的實(shí)現(xiàn) ......................................................................... 22 圖像融合的概念和意義 ........................................................................................ 22 圖像融合關(guān)鍵技術(shù)的發(fā)展 .................................................................................... 25 最近鄰分類(lèi)規(guī)則 .................................................................................................... 28 實(shí)驗(yàn)結(jié)果及分析 .................................................................................................... 29 結(jié) 論 .................................................................................................................................. 32 參 考 文 獻(xiàn) ........................................................................................................................ 33 附錄 ...................................................................................................................................... 38 附錄 A 提取人臉圖像的 Gabor 特征的源代碼 ....................................................... 38 附錄 B 對(duì)每幅人臉圖像進(jìn)行處理的源代碼 ........................................................... 39 附錄 C 最近鄰分類(lèi)的源代碼 ................................................................................... 41 附錄 D 程序執(zhí)行主線源代碼 ................................................................................... 42 本科畢業(yè)設(shè)計(jì)論文 （附錄 包含源代碼） 摘要 由于人臉識(shí)別技術(shù)在安全、金融、法律 實(shí)施和軍事上有廣闊的潛在應(yīng)用前景 ,近二十年來(lái) ,人臉識(shí)別已經(jīng)成為計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱門(mén)之一并且促進(jìn)了多門(mén)相關(guān)學(xué)科的發(fā)展。隨著人臉識(shí)別技術(shù)的不斷發(fā) 展 ,更大的圖像庫(kù) ,更高的識(shí)別率 ,更快的識(shí)別速度 成為人臉識(shí)別技術(shù)新的發(fā)展方向 ,目前已經(jīng)有相當(dāng)成熟的人臉識(shí)別技術(shù)應(yīng)用于實(shí)際生活當(dāng)中。 Gabor 特征能夠精確的提取圖像的局部特征 ,且對(duì)位移、形變、旋轉(zhuǎn)、尺度變化和光照變化都具有一定的魯棒性。本文把 Gabor特征和 PPBTF 特征的優(yōu)點(diǎn)相結(jié)合 ,得到基于 Gabor 像素 模式的紋理特征 (GPPBTF)。該方法能夠把特征向量映射到 核函數(shù)零空間 ,在得到更具判別力的判別向量的同時(shí)減小了特征向量的維數(shù)。本文將 Gabor 像素模式的紋理特征 (GPPBTF)和多 NKFDA分類(lèi)器相結(jié)合的分類(lèi)方法應(yīng)用 于 FERET 人臉識(shí)別測(cè)評(píng) ,取得了較高的識(shí)別率。本科畢業(yè)設(shè)計(jì)論文 （附錄 包含源代碼） 相對(duì)于其它人體生物特征識(shí)別技術(shù)，如指紋識(shí)別、虹膜識(shí)別、掌紋識(shí)別，人臉識(shí)別技術(shù)是最直接、最自然、 最容易被人接受的。 人臉識(shí)別系統(tǒng)具備操作