文档介绍：在JPEG压缩域使用量化系数的低复杂度、有效的脸部识别方法
报告人:詹茵茵
任课老师:朱宁波
问题提出
研究现状
算法原理
实验结果与分析
总结与展望
问题的提出
计算及空间复杂性和存储空间是设计人脸识别系统的一个最重要的问题。
随着生物计量系统的发展,对各种各样的数据(包括视频、声频、图像以及ASCⅡ码等),有着不同的压缩方法和标准。这些压缩标准可以有效的提高生物计量系统的存储空间利用率。
JPEG是一种有损压缩,编码过程中原图像的一部分信息被消除,这些遗漏的信息会降低识别效果。
在人脸识别系统中,已压缩图像必须完全解压缩,这就意味着在识别过程带来了相当大的计算量。
能不能在压缩域进行脸部识别呢?用什么方法呢?效果怎么样?
……..
研究现状
在JPEG压缩域进行人脸识别的研究:
DCT变换系数被作为隐马尔科夫识别算法的输入使用这些系数可以在识别率上获得6%的提高
基于DCT识别系数,采用LDA和PCA特征提取方法的研究在第一级别率上改善了约8%
使用了FERET数据库和Cityblock距离测量的特征以及余弦距离测量的ICA。在压缩域使用DCT系数可以提高识别率。
在上述的研究中,脸部识别是使用DCT系数来完成的。
本文提出的方法:在转换量化阶段使用量化系数来进行脸部识别。
这样,在JPEG解压时,除了DCT转换其他反向量化都可以免了。
使用的数据库
——FERET是本研究中使用的一个脸部图像数据库。使用数据库中尺寸为384*256像素,256灰度级/像素,8bit/像素的灰度图像
算法原理
算法框图
JPEG压缩
计算探测图像与参考图像的空间距离
用方差分析法预选系数
图像标准化与配准
用主元分析法预选系数
选择所有
系数
在反转系数前解码已压缩图像
排名及评估

在识别过程之前,脸部图像应该要归一化处理,这样可以减少多余元素带来的不良影响。
图像尺寸修改为152*128像素。
使用直方图均衡来调节图像的对比度。
具体实现
B. JPEG压缩
具体实现