一种2DDCT与压缩感知结合的人脸识别

路翀

1）2）1，3 ，刘晓东1 ，刘万泉2 3）(大连理工大学电信学部,辽宁，大连 116024； 澳大利亚科庭大学,西澳，佩斯市 6102； 伊犁师范学院,新疆，伊宁 835000） 摘 要: 针对压缩感知(Compressed Sensing，CS)方法需将图像矩阵转化为向量后进行特征提取，导致数据维数很大，计算复杂等缺点，提出二维离散余弦变换(2DDCT)和压缩感知(Compressed Sensing，CS)相结合的人脸识别方法。新方法首先利用2DDCT将图像变换到频域，压缩人脸图像以去掉人眼不敏感的中频分量与高频分量，这样有效降低了所需特征的维数，减少了计算量；然后通过感知算法进行特征提取得到人脸识别特征，最后运用最近邻分类器完成人脸的识别。在ORL、Yale及Feret人脸数据库的实验结果证明了该算法的有效性与稳健性,特别是在YaleB人脸数据库运用该方法得到了很好的试验结果。

关键词: 人脸识别; 特征提取; 压缩感知; 离散余弦变换

文章编号： 文献标识码： A 中图法分类号：TP391.4

A face recognition algorithm based on combination 2DDCT and

Compressed Sensing

LU Chong1,3，LIU xiaodong1，LIU wanquan3

1 School of Electronic and Information Engineering DLUT, Dalian, 116024, China

2 Curtin University, Perth WA, 6102, Australia ,

3 YiLi Normal College, Yining, 835000, China

Abstract: In this paper an improved face recognition algorithm is proposed based on the combination of 2D discrete cosine transform (2DDCT) and Compressed Sensing（CS）because of CS. CS first transforms an image matrix to a vector which caused high dimensionality and computational complexity. In this paper the original face image is processed by 2DDCT to reduce the character dimensions effectively. Then, the image is processed by CS to obtain the face recognition features. Finally, the nearest neighbor (NN) classifier is selected to perform face recognition. The experimental results on ORL , Yale and Feret face databases show that this method is robust and effective in the face recognition , especially in the face database YaleB.

Key words: Face Recognition; feature extraction; Compressed Sensing（CS）; 2DDCT

l 引言

[1]人脸识别技术在国内外许多领域得到了广泛应用，研究者们为提高识别率提出了许多人

[2][3]脸识别方法。文献综述了近几年人脸识别的主要方法和进展。人脸识别中的一个关键问题是

特征选择，其基本任务是从许多特征中找出最有效的特征。人脸图像数据量一般十分庞大，直接用于识别效率不高，因此必须对原始图像进行有效降维。2DDCT是常用的图像压缩方法，其本质是通过2DDCT对图像进行变换，用较少的数据表示较多的信息，实现图像压缩，以达到减少数据存储量提高传输速率的目的。2DDCT既能有效地降低特征维数，又可以保留对光照、表

[4]情以及姿态不敏感的类别信息，许多研究人员尝试着将2DDCT应用到图像特征降维。文献详

[5]细阐述了基于DCT的人脸表征，文献提出了一种M2DPCA 和NFA 相结合的人脸识别方法。

[6] 在模式识别中，压缩感知（Compressive Sensing, or Compressed Sampling，简称CS），

是近几年流行起来的一个介于数学和信息科学的新方向，由Candes、Terres Tao等人提出，挑战传统的采样编码技术，即Nyquist采样定理，CS理论是基于信号“信息”的一种采样技术，是对信号更为本质的描述。目前，该理论是一个快速发展的领域，在许多基础的信号和图像处理

[7][8,9]中取得了很好的效果,在信号处理、图像识别等领域也有广泛的研究。由于在图像识别过

程中，运用CS理论需要预先将人脸图像矩阵展开成一维的向量，转换后的一维向量的维数一般较高，因此，对很多分辨率较高人脸图像都要预先做裁剪。而2DDCT能够有效地滤掉图像中不敏感的中频和高频部分，保留信息的本质内容。

收稿日期: 稿件编号：