华南理工大学学报(自然科学版)第40卷第8期JournalofSouthChinaUniversityofTechnologyVol．40No．82012年8月(NaturalScienceEdition)August2012文章编号:1000-565X(2012)08-0046-05收稿日期:2012-02-16*基金项目:NSFC-广东省自然科学联合基金资助项目(U0735004);广东省自然科学基金资助项目(05006593);华南理工大学中央高校基本科研业务费专项资金资助项目(X2dXD2116370)作者简介:施展(1983-)，男，博士生，主要从事图像处理、模式分类等的研究．E-mail:ichangchun@163．com基于2DNPP和Trace变换的平面内旋转人脸识别*施展杜明辉梁亚玲(华南理工大学电子与信息学院，广东广州510640)摘要:针对平面内具有随机旋转角度的人脸图像难以识别问题，提出一种融合二维近邻保持投影(2DNPP)和Trace变换的方法，以实现图像旋转不变性特征提取和识别．首先对图像做一重和二重Trace变换，然后对二重曲线进行匹配计算，得到既对平面内旋转变化具有鲁棒性、又能保存丰富图像信息的特征，最后通过2DNPP进行降维并分类．用该方法分别对正面的、旋转的、加噪声的人脸图像进行了识别实验，并与SIFT、pseudo-Zernike等方法进行了比较，结果表明:对于具有随机旋转角度的ORL图像库，文中算法识别率达到96%，且对白噪声具有较强的鲁棒性．关键词:人脸识别;Trace变换;旋转不变性;特征提取中图分类号:TP391．41doi:10．3969/j．issn．1000-565X．2012．08．008图像旋转配准问题一直是人脸识别中的难点．这是因为，现有的典型识别算法对特征配准准确度非常敏感，人脸图像配准时的像素级误差都会对分类器性能产生极大影响［1］．实验证明:在人脸图像平面内旋转超过4°时，识别率就会急剧下降;超过12°时人脸图像完全无法识别［2］．工程上一般用多角度图像检索的方法处理这类人脸图像的平面内旋转问题．吴暾华等［3］使用角点检测、AdaBoost和C-V方法对平面内旋转的人脸进行定位，获得正面人脸方向;孙雪梅等［4］使用圆周块子矩阵的方法对旋转人脸图像的人眼进行定位，获取正面人脸的位置信息．但是这些检测方法只能在容许范围内检测固定角度，计算冗余度大，且难以解决误配准灾难问题［5］．为使分类器对旋转变化具鲁棒性，需提取图像旋转不变性特征．现有的主要方法是矩理论，模式识别中常用矩有Legendre矩、pseudo-Zernike矩和Tchebichef矩等．Nabatchian等［6］对正交矩不变性特征在人脸识别中的应用做了对比研究，Huang等［7］使用线性判别分析和Gabor小波矩不变性特征对人脸进行识别．此类正交矩具有较好的分类性能，但是构建人脸特征时可能丧失旋转不变性，并且需要大量计算时间［8］．针对上述问题，文中提出一种基于二维近邻保持投影(2DNPP)和Trace变换的人脸识别方法，并通过实验对该方法的性能进行了验证．1人脸Trace特征提取由于Trace变换［9］充分考虑了图像纹理在各个方向上的奇异性，在图像模式识别、信号处理等领域获得了广泛关注［10-11］．Trace变换把一幅图像从空域投影到一个由参数和p确定的二维平面上，通过计算原图迹线上的泛函T，得到点(，p)处的值．迹线与参数、p的关系如图1所示．图1中，p表示原点O到迹线法线垂足的距离，表示迹线的法线与x轴正方向的夹角．以过原点的法线垂足为0点，沿迹线方向为正方向，定义迹线上的参数t．通过使用泛函对参数t进行积分，图像的一重Trace变换可表示为g(，p)=T(F(，p，t))(1)图1原图迹线的位置参数Fig．1Locationparametersofanimagetraceline式中，F(，p，t)表示由图像坐标索引序列(，p，t)确定的函数，其取值与图像上点(，p，t)灰度值相同．为有效提取人脸信息，文中使用如下泛函:T(f(t))=∫∞ct+槡cf(t)dt(2)式中，c=med{f(t)|t}，表示图像迹线上像素值的中值，f(t)表示定义在迹线上的图像函数．实验证明，人脸一重Trace特征g(，p)包含了丰富的分类信息，且对类内变化具有压制作用［12］．文中把一重Trace变换的结果称为正弦图．得到图像的一重Trace变换后，使用P泛函对参数p再做一次积分，得到二重Trace特征:Θ()=P(g(，p))=P(T(F(，p，t)))(3)根据Trace变换要求，P泛函需为敏感泛函或不变泛函［9，12］，文中使用如...
