17、基于压缩感知的图像特征提取

基于压缩感知的图像特征提取

1. 引言

可靠的自动人脸识别在诸多领域都有重要应用，如安全和访问控制系统。该技术还在不断拓展新的应用场景，例如在ATM机和机场用作安全措施，以及在计算机登录过程中用面部图像替代密码。

人脸识别系统需要根据存储的人脸数据库，对静态或视频图像中的人物进行识别或验证。人脸表示主要分为两类：
- 全局方法（基于外观） ：利用整体纹理特征，应用于人脸或其特定区域。常见算法包括主成分分析（PCA，也称为特征脸）、线性判别分析（LDA）、Gabor小波变换和离散余弦变换。
- 基于特征（基于组件） ：利用面部特征（如嘴巴、鼻子和眼睛）之间的几何关系。例如，Wiskott等人通过二维弹性图建立人脸几何模型；还有独立匹配三个面部区域（眼睛、嘴巴和鼻子）模板的方法，且该系统不包含几何模型，特征配置不受约束。

本文采用压缩感知（CS）概念生成随机测量矩阵。与大多数CS问题中使用的随机测量矩阵不同，本文提出的测量矩阵包含零均值和非零均值行，还将其与随机二进制元素构成的测量矩阵进行了比较。测量矩阵作为投影矩阵，将图像向量投影到新空间，得到长度更短的特征向量。实验表明，包含零均值和非零均值行的矩阵在两个面部数据库上，不同特征向量长度下都表现出更优的结果。

2. 压缩感知

Nyquist - Shannon采样定理是信号处理领域的基本定理之一，它规定了从样本完美重建连续信号的条件。若信号采样频率至少是其带宽的两倍，则可从样本中完美重建信号。这种方法实现简单，但数据率效率不高，按Nyquist准则采样会产生大量样本，后续处理（如压缩）时很多样本