基于NSCT和伪Zernike矩的人脸识别*

刘晓山 杜明辉 曾春艳 金连文

(华南理工大学电子与信息学院，广东广州510640)

人脸识别作为图像分析和图像理解的典型应用之一，已广泛应用于信息安全、法律实施、视频监控、智能卡、门禁系统等领域.人脸的特征表示与简约是人脸识别系统的关键，要求提取的特征能够很好地表示人脸，同时维数不能太高以便于计算机处理.早期的特征提取方法是基于人脸的几何特征(如鼻子的宽度和长度、嘴巴的位置、两眼的距离和下巴的形状等)进行识别.模板匹配［1-2］已广泛应用于人脸识别和检测中.但这些方法受表情、姿态的影响非常明显，提取的特征误差比较大，或者不能较好地区分不同类别的特征，识别率比较低.主成分分析(PCA)和线性判决分析(LDA)是基于表象的人脸识别技术中最基本的降维方法［3］，已广泛应用于人脸识别系统中.人们在PCA和LDA基础上提出了很多相关的改进算法［4-5］，大大提高了识别率.局部二值模式(LBP)［6］、弹性约束图匹配(EBGM)［7］、双树复小波变换(DTCWT)［8］、Contourlet变换［9］等人脸识别算法在人脸正面姿态光照不变的情况下具有较好的识别效果，但当姿态、光照或表情发生变化时，识别率明显下降.在实际的人脸识别应用中，获取的人脸图像往往都存在光照、姿态和大小的变化，这些变化都会影响算法的识别效果.

文中在Lambertian光照模型［10］的基础上，将人脸图像看作是光照分量和反射分量的乘积，充分利用非下采样Contourlet变换(NSCT)［11］的多尺度、多方向和平移不变特性，使用阈……