MBC与POEM特征融合的人脸识别技术

"这篇论文是2015年由张祥德、朱和贵、李倩颖和唐青松发表在《东北大学学报自然科学版》的一篇研究，得到了国家自然科学基金等多个项目的资助。该研究主要关注人脸识别技术，特别是通过结合MBC和POEM特征来提高识别效率和准确性的问题。" 在人脸识别领域，单一特征往往无法达到理想的识别效果。为解决这一问题，本文提出了一种基于MBC（Multi-block Code，多块编码）和POEM（Piecewise Orthogonal Embedding with Mutual Information Maximization，互信息最大化的分段正交嵌入）特征融合的人脸识别方法。首先，研究者对归一化的人脸图像进行处理，提取出MBC编码图和POEM编码图。接着，在每一个编码图块上生成特征向量，然后利用线性判别分析（LDA）进行降维处理，这有助于减少计算复杂度同时保持信息的有效性。最后，通过对这些特征向量进行加权相加，得到最终的相似度度量，用于人脸匹配。 实验部分，该方法在经典的FERET人脸数据库的Dup1、Dup2、Fb和Fc四个测试集上进行了验证。结果显示，提出的算法在这些测试集上取得了非常高的识别率，分别为93.77%、90.60%、99.58%和99.49%，并在误识率为0.1%的情况下，认证率分别达到了95.70%、92.31%、99.75%和100%。这些结果表明，MBC与POEM特征的融合能够显著提高人脸识别的准确性和鲁棒性。 关键词包括人脸识别、MBC特征、POEM特征、特征融合以及赋权分段线性判别分析。论文的中图分类号为TP391.41，文献标志码为A，文章编号1005-306（2015）11-156-04，显示了这篇研究在信息技术和模式识别领域的专业定位。 综合来看，这项工作通过创新的特征融合策略，提高了人脸识别的性能，特别是在高误识率要求下仍能保持良好的识别效果，对于人脸识别技术的发展具有积极的推动作用。