清华大学宋刚基于特征的人脸验证论文下载

清华大学毕业设计论文基于特征的人脸验证学生宋刚指导教师徐光祐教授答辩日期2001年6月22日第1页清华大学毕业设计论文FACEVERIFICATIONBASEDONFEATURESTHISPAPERISSUBMITTEDTODEPARTMENTOFCOMPUTERSCIENCEANDTECHONOLOGYTSINGHUAUNIVERSITYBYSONGGANG第2页清华大学毕业设计论文摘要人脸验证是一项具有广泛应用前景的人脸识别技术。本文详细讨论了GABOR滤波与弹性匹配算法在人脸验证中的应用。我们在弹性匹配算法中提出了正反馈的概念。通过正反馈达到凸现不同人脸之间的个性的目的，改善了不同人脸的可区分性。通过GABOR滤波，可以抽取灰度图象中人脸特征点处的局部信息。特征点通过无向弧连接构成一个属性关系图。然后弹性匹配算法就可以得到两个属性关系图之间的相似程度，从而完成人脸验证。我们将弹性匹配算法集成到先前基于模板匹配的人脸识别系统中去，实验证明它能比较好的减轻原系统受光照条件的影响程度。关键词人脸验证，人脸识别，GABOR滤波，弹性匹配算法ABSTRACTFACEVERIFICATIONISTHEIMPORTANTPARTOFFACERECOGNITIONAPPLICATIONTHEPAPERDISCUSSESTHEAPPLICATIONSOFGABORWAVELETANDELASTICGRAPHMATCHINGEGMINTHEPROCEDUREOFFACEVERIFICATIONWEPROPOSEDTHENOTIONOFREGENERATIVEFEEDBACKINEGMTHEDIFFERENCEOFVARIOUSFACEIMAGESWILLBEMAGNIFIEDBYREGENERATIVEFEEDBACKSOTHATTHEYCANBEDISTINGUISHEDPROPERLYLOCALGREYLEVELDISTRIBUTIONOFFACIALFEATURESAREDESCRIBEDBYSETSOFGABORWAVELETCOMPONENTSFACIALFEATURESCONNECTEDBYUNDIRECTEDARCSFORMAATTRIBUTEDRELATIONGRAPHARGTHENTHEEGMISUSEDTOMEASURETHESIMILARITYBETWEENDIFFERENTARGSANDTOACCOMPLISHESTHEFACEVERIFICATIONWEINTEGRATEDEGMINTOOURFORMERFACERECOGNITIONSYSTEMBASEDONTEMPLATEMATCHINGITHASBEENPROVEDBYTHEEXPERIMENTSTHATEGMALLEVIATEDTHESENSITIVITYOFTHESYSTEMTOTHELIGHTINGCONDITIONSIGNIFICANTLYKEYWORDFACEVERIFICATION,FACERECOGNITION,GABORWAVELET,ELASTICGRAPHMATCHING第1页清华大学毕业设计论文目录摘要1ABSTRACT1第1章概述1第2章GABOR滤波121GABOR滤波器简介122GABOR滤波器的定义123离散的GABOR滤波器及计算方法724GABOR滤波器的性质925GABOR滤波结果JET的比较16第3章弹性匹配算法2131人脸建模21311概述21312属性关系图ARG2232弹性匹配算法23321ARG相似函数24322弹性粗匹配25323弹性细匹配29324匹配策略35第4章人脸验证系统的结构4041人脸验证系统的目标4042目前人脸验证系统的总体结构4143关键算法的回顾42第5章人脸验证系统的改进4451光照梯度修正算法4452梯度修正的使用4553弹性匹配的引入4854图象采集5155人脸验证系统目前的结构54第6章进一步工作的展望5661目前系统的不足56第1页清华大学毕业设计论文62目前系统的改进计划57致谢58参考文献58附录ASURVEYINENGLISH60DYNAMICLINKARCHITECTUREINFACERECOGNITION60第2页清华大学毕业设计论文第1章概述在人类的视觉世界中，人脸具有极其重要的地位，因为人脸不仅能够反映人的年龄、身份等人的外部因素，同时还能反映人的个性心理等内在特征。如同指纹一样，人脸也具有唯一性，可以用来鉴别一个人的身份。这样，利用人脸作为身份验证的途径也就成为人类视觉系统的一个重要功能，成为人与人之间交往联系最主要的依据之一。近年来，随着高速硬件和人工智能等技术的发展以及商业和执法等方面需求的增长，利用人脸图象进行自动的人脸识别和身份验证的研究和应用得到了空前的重视，并取得了长足的进步。很多科研机构，例如MIT、CMU、USC等等，都先后在这个领域完成了相当成熟的实验系统。人脸图象身份验证研究如此重要，首先在于，人脸图象身份验证技术具有广泛的应用领域和光明的应用前景。具体来讲有NULL身份NULL罪犯NULL场景NULL模型NULL特征NULL复杂NULL对这验证。利用人脸验证技术可以确认护照、驾驶执照、身份证等证件的真假，可以鉴别某人是否是合法人员。例如，如果某台计算机的操作权只属于合法的人选，则可以在计算机前面用摄象机动态跟踪操作者的人脸，利用人脸图象身份验证技术检查该操作者是否合法，否则拒绝该操作者。识别。根据现场照片和罪犯档案确认罪犯身份。监视。在机场、车站等人流量大的地方搜索指定的人。不仅如此，人脸是一个典型的形变体。其特点是已知；的分布具有对称性,例如眼睛等等；的、高度相似的形变体，不同的人脸差别不是很大。种形变体的深入研究有助于解决一般三维物体的识别问题，从而能够推动计算机视觉和模式识别等领域中基础研究的发展。一般地，人脸信息理解包括以下几个方面的内容第1页清华大学毕业设计论文NULL人脸NULL人脸NULL人脸NULL人脸的检测即从输入图象检测人脸是否存在，以及存在的位置、大小等识别工作所需的先决条件。的识别即将待识别的人脸信息与已知的人脸信息进行匹配从而得到判定结果的过程。的描述如何抽取并相应的描述和存储一张脸的信息，诸如特征、姿态、表情等等。主体的类型划分即通过对人脸的分析，区分出人脸主体所具有的种族、性别甚至职业等不同的类型。从人的角度来讲，这些过程也许是不可分割的，实现其中之一往往也就同时实现了其它过程，它们之间是相互依赖的关系。不过，为了便于计算机的自动处理，我们还是将整个人脸信息理解划分成了以上的几个过程。然而，当我们借鉴人类识别人脸的视觉机理时，就会发现人有许多独到之处，特别是不同于现有机器方法的模糊处理、相互联系和整体性的处理方式以及在识别中高级知识的运用能力等。人的这些机理，虽然目前还没能完全探讨清楚，但在今后机器视觉的发展过程中，如何更好地从中得以启发是值得不断研究的。对于人脸信息的理解，无论是对于人还是对于机器，“识别人脸”都是其中最关键和重要的一步，也是目前研究最多的一个方面。现有的识别方法，基本上可以分为两大类基于人脸几何特征的方法和基于人脸图象模板的方法。它们各有其优缺点，很难只用其中之一去完成整个识别过程，所以，选用某种适当的策略将二者结给起来就有可能达到最好的结果。本文主要讨论的是人脸的验证，即判断参考人脸是否与测试人脸是同一个人的脸。由于同一个人在光照、姿态等不同条件下的人脸具有很大的差异，从计算机的角度来看甚至超过了不同人脸在相同条件下的差异，因此人脸的验证具有相当的难度。本文的第1章将详细的介绍抽取特征使用的工具GABOR滤波。在第3章中，将给出利用GABOR滤波结果作人脸相似度判定的弹性匹配算法。第4章中回顾了原来第2页清华大学毕业设计论文的人脸验证系统的总体结构。在第5章中将描述通过引入弹性匹配算法和光照梯度修正后，改进的人脸验证系统。在第6章中将给出进一步工作的展望。第3页清华大学毕业设计论文第2章GABOR滤波21GABOR滤波器简介GABOR滤波在图像处理中的特征提取、纹理分析和立体视差估计等方面有许多应用。有研究说明神经细胞的感受野可以用GABOR函数来表示。GABOR滤波能够体现出不同的方向性和尺度性。GABOR函数从实质上来说是一个被GAUSS函数窗所限制的波函数。通过定义不同的GABOR函数核，就可以得到一组GABOR滤波器。在这一章里，我们将给出GABOR函数族的定义，GABOR滤波的定义，JET的定义，以及相似函数的定义。22GABOR滤波器的定义我们使用【7】中的GABOR核函数定义2EXPEXP2EXP222222XKIXKKXJJJJRR公式21GABOR滤波可以定义为2XDXXXIXJJJ公式22下面我们对公式中的各项作一个说明。XKIJREXP是一个振荡函数，实部为余弦函数，虚部位正弦函数。如图21和图22第1页清华大学毕业设计论文图21振荡函数的实部余弦波图22振荡函数的实部正弦波相应的相位角度图如下，需要注意的是图中没有将相位角规范到,。图23振荡函数的相位角度平面图24GAUSS窗函数公式21中2222EXPXKJ是GAUSS函数（见图24），这实际上是通过加窗限制了振荡函数的范围，使其只在局部有效。由GAUSS函数的局部性可知，这个滤波器实际上是在抽取XR附近的特征，因此可以看作是一种GABOR小波。如图25和图26。第2页清华大学毕业设计论文图25GABOR函数幅值部分图26GABOR函数角度部分（实际上是一个平面，这里规整到,）2EXP2是直流分量，这样滤波器就可以不受直流分量大小的影响。公式22中向量XR代表滤波的位置，即对XR处作滤波。XI表示图象域在上的值，比如图象的灰度分布。XR公式21中向量JK描述了滤波器对不同方向和不同尺度的响应。通过选取一系列的JK，就得到了一族GABOR滤波器。是一个常量，和JK一起刻画了GAUSS窗的波长。我们这里取2。JK可以表示为8,2SINCOS22KWHEREKKKKKJYJXJ公式23选取不同的下标可以描述不同的GAUSS窗的波长，从而控制采样的尺度，或者说是频率。选取不同的下标可以描述振荡函数不同的振荡方向，从而控制采样的方向。第3页清华大学毕业设计论文我们这里选取4,0L这样就可以在5个不同的尺度上采样。选取7,0L这样就可以在8个不同的方向上采样。可以用图27来形象的表示图27GABOR滤波函数族示意图下面谈一下对公式23中和VK选取的考虑。由于不同的和VK代表了不同的采样方式，因此需要保证在不同尺度和不同方向上的采样尽量均匀。从方向上来看，比较直观的想法是只需对区间,0进行采样，因为,0区间可以描述所有的方向。注意我们并不关心方向的正负，也就是说角度和角度实际只描述了一个方向。以下从数学上来说明这一点由公式21振荡函数XKIJREXP的公式23JK的定义可知XKIJRQEXP21SINCOSEXPXXKKIVVSINCOSEXP21VVKXKXI21SINCOSEXPXXKKISINCOSEXP21VVKXKXI第4页清华大学毕业设计论文SINCOSEXP21VVKXKXIXKIJREXP因此若将公式21写成2EXPEXP2EXP,222222XKIXKKXJJJJRR知,XXJJ由GABOR滤波定义公式22可得对于每个，有,2XDXXXIXJJJ则,2XDXXXIXJJJ又XI一般来说是实值函数，即有XIXI所以,2XDXXXIXJJJ,2XDXXXIJ,XJJ也就是说方向上的滤波结果完全可由方向的结果确定。这就说明了为什么只需取区间,0的原因。另外和2，等角度的滤波结果都没有必然的联系，这里就不再从数学上说明了。第5页清华大学毕业设计论文由于的变化是连续的，不可能取无穷多个，只有离散的均匀采样才是合理的。因此这里我们选取8作为采样间隔。K反映了空间尺度上的采样。由于尺度的大小实际上决定于GAUSS窗2222XKJEXP的大小，而其窗长正比于K由于是二维上的采样，因此其面积正比于22K为了反映尺度上的合理采样，我们认为每次采样的面积成倍的方式递减比较合理，是一个常量，这就要求22K。这就解释了我们公式23中选取222K的原因。GABOR滤波器利用公式定义的卷积，就可以在图象每个不同的X处得到40个不同的复值的滤波结果。若记8J，我们就称这40个复数构成了图象X处的一个JET390,EXPLJJWHEREJJJJII公式24直观起见，这里给出图28和它的一个滤波结果图29，这是在1,1的情况。第6页清华大学毕业设计论文图28LENA图图291,1时的滤波结果23离散的GABOR滤波器及计算方法上一节关于GABOR核函数和卷积滤波都是在连续域中定义的，在本节中我们给出其离散域上的表示以及计算方法。由于输入的图象为灰度图象，这就是XI直接的离散化表示。从GABOR核函数的定义公式21中可以看出，由于GAUSS窗函数的限制，GABOR核函数只在一个局部非零，因此我们只需要对其局部进行离散抽样即可。抽样范围的大小由GAUSS窗的大小所确定。根据GAUSS函数的3原则，这里我们取K3作为抽样半径。比如对GABOR核函数J,对应的4J0,4。此时的抽样半径为3，GABOR核函数可表示为矩阵0000400015I0002000067I0003200111I0002000067I0000400015I0000000001I0023701060017480106000237000190023900821I0107103679I0176606065I0107103679I0023900821I0002000067I0095904299070880429900959000790023900821I0107103679I0176606065I0107103679I0023900821I0002000067I002370106001748010600023700019其幅值图可表示为图210第7页清华大学毕业设计论文图2100,4的GABOR函数幅值图由于共有40个滤波器，每个滤波器都要和输入的图象作卷积，因此计算量是非常大的。对整张图片直接作卷积在普通的PC上是无法容忍的，直接的改进方法是利用FFT作卷积运算。利用傅立叶变换FFT，将卷积计算变化为乘法运算。这样计算量将会大大减少。离散傅立叶变换（DFT）有快速算法实现。但是有一个问题需要注意（见【3】）。DFT的卷积公式是这样定义的若,KHNHDFTKXNXDFTNHNXNY，则KHKXIDFTNY，但是，需要注意的是NHNXNY进行的是圆卷积，圆卷积的结果并不等同于线卷积。圆卷积的定义如下1010NMNNNMNNNGMNXMHNGMNHMXNHNXNY，第8页清华大学毕业设计论文其中，TI，表示资源数量低于TI时，便不予分配），占用值为DI（用于信号量的增减，即SISIT1和SISIT1）。SSIGNALS1,D1SN,DN表示进程释放DI个SI信号量。在具体实现中，程序方面我们采用DIRECTSHOW作为基础。DIRECTSHOW比过去常用的VIDEOFORWINDOWS更加强大，也更加复杂。使用DIRECTSHOW能够较好的保证采集的效率。硬件方面我们采用两片基于CONEXANT公司FUSIONBT878芯片的10MOONS2000SDK视频采集卡和两个SANKO公司的SK880黑白摄像头。55人脸验证系统目前的结构人脸验证系统目前的结构第54页清华大学毕业设计论文保存模板入库人脸归一化得到相似度最高的候选人姿态估计多姿态人脸人脸归一化人脸特征模板抽取多姿态模板抽取人脸特征检测特征点合法性判定特征检测人脸特征点序列立体视觉人脸区域粗分割多模板关联的人脸区域检测分割出的人脸区域序列人脸区域检测归一化的人脸序列人脸特征模板抽取与库中模板比较匹配结果搜索对所有候选人投票选举基于模板匹配的识别左摄像机输入右摄像机输入改进的人脸识别系统（2）加入光照梯度修正和弹性匹配人脸建模部分人脸识别部分光照梯度修正光照梯度修正十个候选人弹性匹配图510目前的人脸识别系统框图第55页清华大学毕业设计论文第6章进一步工作的展望61目前系统的不足要想做成一个真正实用的人脸识别系统，我们还有很多工作要做。这里首先对目前系统的不足之处作一个简单的分析。1从实A建模BGABOC寻找特征点的算法不够鲁棒。有时会出现明显的寻找错误或者寻找失败。D只是应用在人脸检测的粗定位中，没有发挥出更大的作用。2从代码的这部分的问题很多。本系统是长期以来多人努力的结果，代码风格不尽一致，而且这个问题经过仔细调试基本上解决。B原代的调C于没有很好的管理，在长期的开发中，系统内积存了大量无用D。开发代码的过程里涉及到长期以来多人的成果，累加式的E的变F。用的角度来看和识别的光照仍然有一定影响。R滤波速度较慢，实用中用户不能忍受。双摄像头角度来看质量也不一样，主要问题有A原代码有严重的内存泄漏。目前码在RELEASE环境下不能正常运行，目前分析主要问题出在对前人DLL库用上。原代码比较冗长。由的代码。原代码结构上不甚清楚开发使得最初的结构已经不再适合，结果导致目前代码结构晦涩。原代码书写风格不一致，没有一个很好的接口和公共的数据结构，也没有规范量命名。原代码缺乏齐全的文档第56页清华大学毕业设计论文62目前系统的改进计划鉴于上面提出的问题，我们认为对原系统进行一次彻底的重写非常必要。重写希望能够满足如下的要求NULL结构NULL代码NULL文档清楚。能够体现模块化的设计细想，对各个模块，如采集部分，识别算法部分等等可以方便的替换。清晰。希望能够做到清晰、易懂、规范、运行稳定。齐全。摆脱缺乏文档的情况，方便后续工作。我们希望改写后的代码不仅能够作为一个实用的系统稳定的工作，更希望它能作为今后开发的基础，能够在这个平台上实验各种算法，同时保持系统结构的清晰。在算法方面，对于采集部分，我们决定推出基于METEORII、普通视频采集卡和USB接口的不同模块。另外考虑到立体视觉只是用到了人脸检测的粗定位上，系统也应该可以只使用单个摄像机完成所有的功能。对于识别的算法，将改用新的人脸特征检测算法，希望能比目前的算法更加鲁棒。目前，我们初步的计划是，以DIRECTSHOW的FILTERGRAPHS为基本框架，将各个模块用FILTER实现，通过调用DIRECTSHOW提供的基于COM标准的方法实现各个FILTER的互联。采用DIRECTSHOW之后，各个模块之间的关系就相对简单，而且更加便于直接移植，运行的结果也更加直观。在数据结构方面，准备使用INTELIMAGEPROCESSINGLIBRARY中的数据结构和图象处理方法，尽量减少低级重复的劳动。第57页清华大学毕业设计论文致谢首先要感谢我的导师徐光祐教授，在整个“综合论文训练”的过程中，他给了我各方面的悉心指导，他严谨求实的作风和渊博深厚的学识深深的感染了我。还要感谢艾海舟老师，他和我的讨论使我受益匪浅，也在各个方面给予我关心，帮助我尽快熟悉实验室的环境。还要感谢实验室很多师兄和师姐，特别是洪微、庄莉、肖习攀、吴庆、王强、谢峰、梁路宏、张辉，他们的认真态度给我很大的教育，同时也感谢他们随时随地的无私帮助。没有他们的帮助，我不能将整个“综合论文训练”的任务完成到今天这个程度。参考文献【1】清华【2】梁路【3】庄莉【4】VK【5】MAK【6】LAUR50，大学计算机科学与技术系，“国家863计划课题鲁棒的人脸识别和验证系统他（THFIV）技术研究报告”，清华大学计算机科学与技术系，2001年1月宏，“清华大学工学博士学位论文人脸检测与跟踪研究”，清华大学计算机科学与技术系，2001年5月，“清华大学毕业设计论文人脸特征检测与识别”，清华大学计算机科学与技术系，2000年6月RUGER，GSOMMER，“GABORWAVELETNETWORKSFOROBJECTREPRESENTATION”，INPROCOFTHEINTDAGSTUHL2000WORKSHOP,2000UN，“ELASTICBUNCHGRAPHMATCHINGGABORDOMAIN”，MAY2000ENZWISKOTTETAL，“FACERECOGNITIONBYELASTICBUNCHGRAPHMATCHING”，ININTELLIGENTBIOMETRICTECHNIQUESINFINGERPRINTANDFACERECOGNITION，EDSLCJAINETAL，PUB1CRCPRESS，ISBN08493205CHAPTER11，PP355396，1999第58页清华大学毕业设计论文【7】LW【8】RC【9】ML【10】JBJ【11】JGISKOTT,JMFELLOUS,NKUIGER,CMALSBURG，“FACERECOGNITIONBYELASTICBUNCHGRAPHMATCHING”,IEEETRANSONPATTERNANALYSISANDMACHINEINTELLIGENCE,VOL19,NO7PP775779，JULY1997HELLAPPA，“HUMANANDMACHINERECOGNITIONOFFACESASURVEY”，PROCOFTHEIEEEVOL83NO5PP705740，MAY1995ADES,JCVORBRUGGEN,JBUHMANN,JLANGE,CMALSBURG,RPWURTZ,WKONEN,“DISTORTIONINVARIANTOBJECTRECOGNITIONINTHEDYNAMICLINKARCHITECTURE”，IEEETRANSONCOMPUTERSVOL42NO3,MAR1993,PP300311UHMANN，LANGE,CMALSBURG，“DISTORTIONINVARIANTOBJECTRECOGNITIONBYMATCHINGHIERARCHICALLYLABELEDGRAPHS”，PROCIJCNN89VOL1PP155159,JUNE1989DAUGMAN，“COMPLETDISCRETE2DGABORTRANSFORMSBYNEURALNETWORKSFORIMAGEANALYSISANDCOMPRESSION”，IEEETRANSONASSPVOL36NO7PP11691179，JULY1988第59页清华大学毕业设计论文附录ASURVEYINENGLISHDYNAMICLINKARCHITECTUREINFACERECOGNITIONFACERECOGNITIONHASBEENANACTIVERESEARCHAREAFORMORETHANTWODECADESVARIOUSEXCITINGINVESTIGATIONANDRESULTSHAVEBEENACHIEVEDINFIELDSOFPSYCHOPHYSICS,NEURALSCIENCESANDENGINEERING,IMAGEPROCESSING,PATTERNRECOGNITION,MACHINELEARNINGANDCOMPUTERVISIONFACERECOGNITIONTECHNOLOGYHASLOTSOFCOMMERCIALANDLAWENFORCEMENTAPPLICATIONSTHESEAPPLICATIONSRANGEFROMSTATICMATCHINGOFCONTROLLEDFORMATPHOTOGRAPHSSUCHASPASSPORTS,CREDITCARDS,PHOTOIDS,DRIVERSLICENSESTOREALTIMEMATCHINGOFSURVEILLANCEVIDEOIMAGES,PRESENTINGDIFFERENTCONSTRAINTSINTERMSOFPROCESSINGREQUIREMENTSALTHOUGHHUMANSSEEMTORECOGNIZEFACESINCLUTTEREDSCENESWITHRELATIVEEASE,MACHINERECOGNITIONISAMUCHMOREDAUNTINGTASKAGENERALSTATEMENTOFTHEPROBLEMCANBEFORMULATEDASFOLLOWSGIVENSTILLORVIDEOIMAGESOFASCENE,IDENTIFYONEOFMOREPERSONSINTHESCENEUSINGASTOREDDATABASEOFFACESTHESOLUTIONOFTHEPROBLEMINVOLVESSEGMENTATIONOFFACESFROMCLUTTEREDSCENES,EXTRACTIONOFFEATURESFROMTHEFACEREGION,IDENTIFICATIONANDMATCHINGASINMOSTBIOMETRICMEASUREMENTSYSTEMS,AGENERALGOALISTOACHIEVEAHIGHERLEVELOFPERFORMANCEINMATCHINGAGIVENFACEAGAINSTADATABASEOFFACESTHEPERFORMANCEOFAFACERECOGNITIONSYSTEMWILLBEAFFECTEDBYNUMEROUSCONDITIONSINCLUDINGTHEVARIATIONSOFILLUMINATION,POSE,FACIALEXPRESSION,IMAGEQUALITYANDCOMPLEXITYOFBACKGROUNDSTHEFACERECOGNITIONTECHNOLOGYFALLSINTOTHREEMAINSUBGROUPSWHICHREPRESENTMOREORLESSINDEPENDENTANDPRINCIPLESTOTHEPROBLEMMACHINELEARNINGSOLUTIONS,EIGENFACESOLUTIONS第60页清华大学毕业设计论文ANDWAVELET/ELASTICMATCHINGSOLUTIONSEACHOFTHESEFIRSTREQUIRESASEGMENTATIONPROCESS,IDENTIFYINGAFACIALIMAGEINASCENESOMETECHNIQUESNEEDAFURTHERNORMALIZATIONPROCESS,EXPECTINGTOELIMINATETHEIMPACTSOFDIFFERENTPOSESANDILLUMINATIONCONDITIONSANDGETSTANDARDIZEDIMAGESTHISALWAYSSUPPOSESTHATANEARLYFRONTALVIEWISPROVIDEDHEREWEWILLGIVEALOOKATWAVELETSANDELASTICMATCHINGTECHNIQUEWAVELETSWEREFIRSTPROPOSEDBYDENNISGABORASATOOLFORSIGNALDETECTIONINNOISEACOMPLEXGABORWAVELETISAPLAINOSCILLATIONRESTRICTEDBYAGAUSSIANENVELOPEGABORWAVELETSAREFOUNDTOHAVECLOSERELATIONSWITHHUMANVISUALSYSTEMSANDGIVEDIFFERENTRESPONSESDUETODIFFERENTORIENTATIONANDMAGNITUDETHEYAREWIDELYEMPLOYEDINFEATUREEXTRACTIONIN1988,CVONDERMALSBURGPROPOSEDTOAPPLYGABORWAVELETINAGRAPHMATCHINGPROCESSFOROBJECTRECOGNITIONGREYLEVELIMAGESAREREPRESENTEDBYARESOLUTIONHIERARCHYOFLOCALGABORCOMPONENTSWHICHARECENTEREDONONEIMAGEPOINT,FORMINGA“GABORJET“ASINGLEJETGIVESAFAVORABLEDESCRIPTIONOFGREYLEVELDISTRIBUTIONNEARTHECORRESPONDINGIMAGEPOINTOBJECTRECOGNITIONISACHIEVEDBYMATCHINGJETSCORRESPONDINGTOAPRESELECTEDSETOFIMAGEPOINTSOFJETSINSTOREDPROTOTYPEPATTERNSFORASELECTEDIMAGEJETTHEBESTMATCHINEACHSTOREDIMAGEISDETERMINEDUNDERACONSTRAINTPRESERVINGTHESPATIALARRANGEMENTOFALLJETSGABORJETSFORMSLABELSTONODESANDTOPOLOGYDETERMINESLINKSACONTRASTINSENSITIVESIMILARITYMEASUREBETWEENIMAGEJETSANDSTOREDJETSPROVIDESFORINVARIANCEWITHRESPECTTOLIGHTINGCONDITIONSSUCHATECHNIQUEISOFTENREFERREDASDYNAMICLINKARCHITECTUREORDLADLAATTEMPTSTOSOLVETHEBASICPROBLEMOFOBJECTRECOGNITION,NOTSPECIALLYDESIGNEDFORFACERECOGNITIONDLAISANEXTENSIONTOCLASSICALARTIFICIALNEURALNETWORKSDLAEXPLOITSCORRELATIONSINTHEFINESCALETEMPORALSTRUCTUREOFCELLULARSIGNALSINORDERTOGROUPNEURONSDYNAMICALLYINTOHIGHERORDERENTITIESITEXHIBITSGOODADAPTABILITYWITHRESPECTTOBACKGROUND,TRANSLATION,DISTORTIONANDSIZESUCHAWAYLOOKSMORENATURALCOMPARINGTOOTHERFACERECOGNITIONTECHNIQUESITPRESERVESTHE第61页清华大学毕业设计论文FACIALFEATURETOPOLOGYWHILECALCULATINGTHESIMILARITYOFEACHFEATURETHISMAKESDLAMUCHAPPROPRIATETOSTOREDIFFERENTLEVELSOFIMAGEINFORMATIONTHEGENERALIDEAISTODESCRIBEANARBITRARYTWODIMENSIONALIMAGEFUNCTIONIX,YASALINEARCOMBINATIONOFASETOFWAVELETSINIMAGEAPPLICATIONSTHEX,YPLANEISFIRSTSUBDIVIDEDINTOAGRIDOFNONOVERLAPPINGREGIONSWHICHMAYORMAYNOTBERECTANGULARATEACHGRIDPOINT,THELOCALIMAGEISDECOMPOSEDINTOASETOFWAVELETSCHOSENTOREPRESENTARANGEOFFREQUENCIES,DIRECTIONSANDEXTENTSTHAT“BEST“CHARACTERISTICTHATREGIONTHEFINITEWAVELETSETATAPARTICULARGRIDPOINTFORMSAFEATUREVECTORWHICHISSOCALLEDAJETEACHGRIDPOINTWILLTHENBECHARACTERIZEDBYASETOFWAVELETSTHEINITIALCHOICEOFTHESUBDIVISIONGRIDIMPLIESANARBITRARYTRANSLATIONIN1993,MARTINLADESIMPLEMENTEDDLAINAMACHINECONSISTSOF23TRANSPUTERSHISCONFORMATIONOFTHEDLAISDONEBYESTABLISHINGANDDYNAMICALLYMODIFYINGLINKSBETWEENVERTICESINTHEMODELDOMAINDURINGTHERECOGNITIONPROCESSANOBJECTISSELECTEDFROMTHEMODELDOMAINACOPYOFTHEMODELGRAPHISPOSITIONEDINACENTRALPOSITIONINTHEIMAGEDOMAINEACHVERTEXINTHEMODELGRAPHISCONNECTEDTOTHECORRESPONDINGVERTEXINTHEMODELGRAPHTHEMATCHISPERFORMEDBYSTOCHASTICOPTIMIZATIONOFAMATCHINGCOSTFUNCTIONRECOGNITIONTAKESPLACEAFTERTHEOPTIMALTOTALCOSTISDETERMINEDFOREACHJETTHETOPOLOGYOFTHEGRAPHINMLADESMETHODISARIGIDRECTANGULARGRID