一种自适应逼近人脸图像产生方法

摘要

本发明公开了一种自适应逼近人脸图像产生方法，包括如下步骤：（1）初始化单样本图像训练集，将获得的彩色人脸图像转换为灰度人脸图像。（2）对灰度人脸图像进行三角分解，获得灰度人脸图像的向量表示形式。（3）通过选择一定数量的基图像，产生灰度人脸图像的逼近图像。（4）由所有的灰度人脸图像及其逼近图像组成新的训练集。本发明充分考虑了灰度人脸图像的个体信息，通过灰度人脸图像的三角分解，产生灰度人脸图像的逼近图像，最大限度的提高了可用于训练的灰度人脸图像的数量，从而更加有效地提高单样本人脸识别系统的性能。

主权项

1.一种自适应逼近人脸图像产生方法，其特征在于，该方法包括如下步骤：步骤1：采集人脸彩色图像，并转换为灰度人脸图像，具体流程如下：步骤1.1：采集n个不同人的人脸彩色图像，每人一张，每幅人脸彩色图像的大小为h_c×w_c×3，其中c为人脸彩色图像编号，c＝1,2,…,n，h_c表示第c幅人脸图像矩阵的行数，w_c表示第c幅人脸图像矩阵的列数；步骤1.2：将所述步骤1.1中的n张彩色人脸图像分别转化为大小为h_c×w_c的灰度人脸图像X_c；步骤2：对所述步骤1中处理得到的灰度人脸图像进行三角分解，然后求取灰度人脸图像的三角分解的向量表示形式，具体流程如下：步骤2.1：用矩阵LU三角分解方法，对所述步骤1中处理得到的灰度人脸图像X_c进行三角分解，得到三角分解式如下：$X_c=P_c^T{L}_c{U}_c$其中P_c为灰度人脸图像X_c的三角分解置换矩阵，大小为h_c×h_c，“T”表示对矩阵求转置，表示P_c的转置矩阵；L_c为灰度人脸图像X_c分解得到的下三角矩阵，其大小为h_c×w_c，U_c为灰度人脸图像X_c分解得到的上三角矩阵，大小为w_c×w_c；步骤2.2：将所述步骤2.1中得到的下三角矩阵L_c和上三角矩阵U_c分别写成向量表示形式，即$L_c=[l_1,l_2,...,l_i,...,l_{w_c}]$$U_c=\left(\begin{array}{c}{u}_1\\ u_2\\ .\\ .\\ .\\ u_j\\ .\\ .\\ .\\ u_{w_c}\end{array}\right)$其中l_i为h_c维列向量，i为下三角矩阵L_c的列向量编号，i＝1,2,…,w_c；u_j为w_c维行向量，j为上三角矩阵U_c的行向量编号，j＝1,2,…,w_c；步骤2.3：将所述步骤2.2中得到的下三角矩阵L_c的向量表示形式和上三角矩阵U_c的向量表示形式代入步骤2.1中X_c的三角分解式，得到灰度人脸图像X_c的三角分解的向量表示形式如下：$X_c=P_c^T(\underset{i=j=1}{\overset{w_c}{\Sigma }}{l}_i·u_j);$步骤3：求取灰度人脸图像X_c的逼近图像，具体流程如下：步骤3.1：根据下式得到灰度人脸图像X_c的三角分解的基图像B_i：$B_i=P_c^T(l_i·u_j),i=j;$步骤3.2：确定用于产生灰度人脸图像X_c的逼近图像的基图像的数量k；步骤3.3：选取灰度人脸图像X_c的三角分解的向量表示形式的前k个基图像，根据下式产生灰度人脸图像X_c的逼近图像$X_c^1=P_c^T(\underset{i=j=1}{\overset{k}{\Sigma }}{l}_i·u_j);$步骤4：将所述步骤3得到的灰度人脸图像X_c的逼近图像与原灰度人脸图像X_c组成一个新的集合作为单样本人脸识别系统的训练集。