● 摘要
图像识别是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的一种模式识别领域的典型应用。作为数字图像处理与人工智能的基础技术，图像识别技术已成为近二十年来模式识别和图像理解研究的热点。该技术根据图像的特征进行识别（或分类），在生物特征识别（人脸、指纹、指关节、掌纹和虹膜识别）、合成孔径雷达（Synthetic Aperture Radar, 简称SAR）目标自动识别及手写体识别技术等领域中已获得了广泛的应用。然而，复杂条件下的鲁棒图像识别是其研究难点问题。本文着重研究在SAR目标图像识别与人脸识别这两大图像识别领域中，基于超完备稀疏表示理论与仿生模式的图像识别方法。具体地，本文的研究工作可总结如下：（1）提出了基于超完备稀疏表示的遮挡鲁棒人脸识别方法。本方法利用稀疏表示理论满足人眼视觉特性及神经信息有效表达，且跟人脸固有特征具有的自然性是相吻合的特点，研究了彩色人脸图像色度信息有效融合策略，采用同伦算法解决稀疏表示模型中的l1范数问题，提出了一种基于彩色信息融合和同伦算法的遮挡鲁棒人脸识别算法。在AR数据库中的实验结果表明，与基于灰度转换方法人脸识别方法及SRC算法相比，本文所提基于同伦算法的稀疏表示人脸识别，具有很高的计算效率，而且有效融合了彩色信息，显著提高了在遮挡及非遮挡情况下人脸识别的效率及识别性能。（2）提出了一种基于快速稀疏表示的指背关节纹识别算法。该算法采用局部二元模式（Local Binary Pattern, LBP)算子进行特征提取，及平滑l0范数对稀疏模型进行求解。实验表明，本文所提算法对于进行指背关节纹的识别具有可行性及有效性。所提方法可以取得高精度的识别率和时间上的高效率，可被用于实际的实时应用中。（3）研究了SAR图像模糊不变特征提取方法及SAR变体目标识别方法。首先，采用质心定位法提取了目标的感兴趣区域（Region of Interest, ROI）；其次，为克服合成孔径雷达成像过程引起的固有SAR目标模糊特性，将局部相位量化方法应用于提取SAR模糊不变特征；最后，首次引入仿生超香肠神经元模型进行目标识别，取得了良好的效果。并进一步地，分别研究了多ROI区域融合的SAR变体目标识别方法及多尺度局部相位量化的SAR变体目标识别方法，并采用主成份分析（Principal Component Analysis, PCA）方法对融合或多尺度带来的高维特征进行降维。实验结果表明，所提方法对于SAR变体目标识别可保持良好的性能，与现有SAR变体目标识别方法相比，取得了主流识别效果。（4）研究了含拒识模式的SAR目标仿生识别方法。含拒识模式的SAR目标识别方法是SAR实际应用的难点问题，目前仍未解决。本文利用仿生模式识别可对同类样本进行高维几何覆盖的特点，给出了一种含拒识模式的SAR目标仿生识别方法。在MSTAR数据库上的三类目标及十类目标的实验表明，该方法在保持对参与训练的目标类样本有较高识别率的情况下，对于未参与训练的目标类样本具有较好的拒识效果。（5） 研究了基于局部特征融合的伪装人脸识别方法。伪装条件下的鲁棒人脸识别，目前在人脸识别领域被日益重视，并认为是难点问题之一。本方法采用非伪装建模方法，以信息融合理论为主线，提出了一种基于局部特征融合与仿生模式识别的伪装人脸识别算法。该算法分别采用了局部二元模式方法与局部相位量化（Local Phase Pattern, LPQ)方法进行对伪装模式下具有较好鲁棒性的特征提取及融合，进而采用仿生神经元构建高维几何覆盖形体，有效利用了不同类别人脸特征的连续性，从而避免了伪装模式的干扰。在AR数据库及采用警用面部复合软件设计建立的伪装数据库上的仿真实验均表明，与现有主流算法相比较而言，所提识别算法在伪装条件下取得了较高的识别性能。（6）研究了实时人脸识别系统原型。人脸检测是人脸识别系统的重要环节，本系统研究了基于肤色的人脸检测算法，利用YIQ色彩空间对肤色进行分割，再对肤色区域进行处理，通过找出眼睛的质心坐标来定位人脸的位置并校正对齐后输出检测到的人脸图像。然后采用局部二元模式提取人脸特征，最后用改进的超香肠仿生神经元进行识别。实验结果表明，该原型系统在配合情况下可以取得较好的识别效果。