基于PCA和LDA融合算法的性別鑒別

1、基于PCA和LDA融合算法的性別鑒別    隨著社會發(fā)展，快速有效的自動身份驗(yàn)證應(yīng)用廣泛。生物特征是人類的內(nèi)在屬性，具有很強(qiáng)的自身穩(wěn)定性和個(gè)體差異性，所以它是身份驗(yàn)證最理想的依據(jù)。其中，人臉相比其他的人體生物特征具有直接、方便、友好等特點(diǎn)，所以利用人臉特征進(jìn)行身份驗(yàn)證是最自然直接的手段，并易于為用戶所接受。性別鑒別作為其中特殊的一部分，可以加強(qiáng)人機(jī)交互系統(tǒng)的靈活性，而且可以對特殊環(huán)境下與性別相關(guān)的地方出入進(jìn)行限制，收集有價(jià)值的統(tǒng)計(jì)信息(如每天出入的男性、女性數(shù)量，對酒吧、商場、零售業(yè)提供有價(jià)值的服務(wù))等。1 性別分類算法   

2、; 性別分類是一個(gè)典型的二類問題，一般方法是通過輸入一副人臉圖像X，通過預(yù)處理，特征提取，分類器等過程后來決定X的類別。這里的性別分類算法如圖1所示，它是由預(yù)處理、特征提取、分類器3個(gè)部分組成。    其中預(yù)處理主要是幾何變換和區(qū)域直方圖處理。通過這些工作保障了人臉幾何(方向，大小)的不變性。基本消除了背景的影響和部分光照影響，提高了識別的精度。然后再預(yù)處理的基礎(chǔ)上進(jìn)行主元分析提取特征，獲得主元分析PAC(Principal components Analysis)主元子空間和線性鑒別分析LDA(Linear Discriminant Analysis)特征子空間

3、，最后利用分離器(人臉樣本訓(xùn)練獲得)進(jìn)行分類。11 預(yù)處理    該性別分類算法主要采用，幾何處理+整體直方圖處理(HG)，幾何處理+區(qū)域直方圖處理(RHG)2種方法進(jìn)行預(yù)處理，并進(jìn)行比較。111 幾何處理    1)圖像的縮放    MATLAB圖像處理工具箱中的函數(shù)imresize可對圖像進(jìn)行縮放操作，常用的格式為：        B是縮放后圖片；A是原始圖片；m表示縮放倍數(shù)(m>1時(shí)圖片放大；m<1時(shí)圖片縮小)；method是縮

4、放的插值方法(默認(rèn)為最近鄰插值法)；mrows，ncols指輸出圖片大小為mrowsxncols。    2)圖像的旋轉(zhuǎn)處理    有些待分類的圖像，人臉是歪斜的，這時(shí)要對圖像進(jìn)行旋轉(zhuǎn)處理如圖2所示。但旋轉(zhuǎn)時(shí)各像素的坐標(biāo)會發(fā)生變化，使得旋轉(zhuǎn)之后不能正好落在整數(shù)坐標(biāo)處，需要進(jìn)行插值，工具箱中函數(shù)imrotate方法可以對圖像進(jìn)行插值旋轉(zhuǎn)(默認(rèn)方法是最近鄰插值法)。常用的語法格式為：        其方法中對應(yīng)的參數(shù)意義為：angle為圖像A按照逆時(shí)針旋轉(zhuǎn)的角度，method是選

5、擇的插值方法。    3)圖像的剪切    當(dāng)只需要圖像中的一部分時(shí)，如實(shí)驗(yàn)中只需要人臉圖片，就要對圖像進(jìn)行剪切處理，在MATLAB圖像處理工具箱中提供函數(shù)imcrop用于剪切圖像中的一個(gè)矩形子圖，用戶可以根據(jù)這個(gè)矩形頂點(diǎn)的坐標(biāo)，也可以用鼠標(biāo)指針選取這個(gè)矩形。該函數(shù)常用的格式如下：        其中前3種格式為交互式地對灰度圖像、索引色圖像和真彩色圖像進(jìn)行剪切。后3種方式是按指定的矩形框rect剪切圖像，rect是一個(gè)四元向量xmin，ymin width heigth，分

6、別表示矩形的左上角坐標(biāo)、寬度和高度。11. 2 整體直方圖處理(HG)    直方圖方法是建立在概率論的基礎(chǔ)上，是通過改變直方圖的形狀來達(dá)到增強(qiáng)圖像對比度的效果。常用的方法有直方圖均衡化和直方圖規(guī)定化。直方圖均衡化又稱直方圖平坦化，是將一已知灰度概率密度分布的圖像，經(jīng)過某種變換成一幅具有均勻灰度概率密度分布的新圖像，其結(jié)果是擴(kuò)展了像元取值的動態(tài)范圍，從而達(dá)到增強(qiáng)整體對比度的目的。采用MATLAB工具箱中histeq方法對圖像進(jìn)行直方圖處理。    常用B=histeq(A)。113 區(qū)域直方圖處理(RHG)  &#

7、160; 直方圖處理是探討了亮度標(biāo)準(zhǔn)化方法的一般計(jì)算模型，為了解決偏光問題，又提出了亮度標(biāo)準(zhǔn)化的分塊策略，采用將圖片等分4份，對偏光嚴(yán)重的人臉圖片進(jìn)行區(qū)域直方圖處理后再合成原始大小圖片。針對圖像整體直方圖和分塊區(qū)域化后直方圖取得的效果進(jìn)行比較，如圖3所示。12 PCA算法的基本原理    主成分分析法PCA(Principal Component Analysis)其目的是在數(shù)據(jù)空間中找到一組向量以盡可能地解釋數(shù)據(jù)的方差，從而用降維后的低維向量保存原數(shù)據(jù)中的主要信息，使數(shù)據(jù)更易于處理。主要原理就是基于對原始數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，利用線性變換，對高維數(shù)據(jù)進(jìn)行分析與壓縮。

8、由于人臉結(jié)構(gòu)的相似性，當(dāng)把人臉圖像樣本進(jìn)行規(guī)一化并抽成一個(gè)高維向量后，這些圖像在高維空間中不是隨機(jī)或散亂地分布的，而是存在某種規(guī)律。通過主元變換進(jìn)行人臉識別的方法被稱為“特征臉”方法。    主成分分析是將分散在一組變量上的信息集中到某幾個(gè)綜合指標(biāo)(主成分)上的探索性統(tǒng)計(jì)分析方法，以便利用主成分描述數(shù)據(jù)集的內(nèi)部結(jié)構(gòu)，實(shí)際上起著數(shù)據(jù)降維的作用。    假設(shè)有一幅大小為N1xN2的灰度圖像P(x，y)，其中x1，N1，y1，N2，且像素值P(x，y)滿足P(x，y)0，1，x為行索引值，y為列索引值。為了應(yīng)用PCA技術(shù)，首先要將該人臉從二

9、維矩陣轉(zhuǎn)化為一維向量，這可以通過如下操作達(dá)到要求。    將kxl的矩陣C的第1行轉(zhuǎn)置，然后將C的第2行轉(zhuǎn)置拼接于其后，如此類推，直到最后將第k行轉(zhuǎn)置并拼接起來。例如，矩陣在經(jīng)過上述操作以后，就變?yōu)?a11 a12 a13 a21 a22 a23)T。一幅大小為N1xN2的灰度圖像可以被轉(zhuǎn)換為N1xN2維的向量，因此可以將一幅人臉圖像視為高維空間中的一個(gè)點(diǎn)，并用PCA技術(shù)使用少數(shù)特征來近似描述人臉圖像在高維空間中的分布。    考慮n(N1xN2)維空間中的m個(gè)向量x1，x2，xm為了降低維數(shù)，需要用一個(gè)m維的向量x來近似模擬，其中m<<n，也就是尋找一個(gè)變換。PCA技術(shù)使用變換：        通常假設(shè)隨機(jī)向量(x-)為零均值，即取值為隨機(jī)向量x的期望