基于决策融合的红外与可见光图像人脸识别研究.docx

基于决策融合的红外与可见光图像人脸识别研究
摘要：
本文研究了基于决策融合的红外与可见光图像人脸识别技术。首先介绍了人脸识别技术的发展历程和目前的研究现状，然后阐述了红外与可见光图像人脸识别的原理和特点，分析了单一图像人脸识别存在的问题与局限性。接着介绍了决策融合的概念和方法，并提出了一种红外与可见光图像人脸识别的决策融合算法，实现了对多模态人脸图像的识别和分类。最后，通过实验数据的对比和分析，验证了决策融合算法的有效性和优越性，为多模态人脸识别提供了一种新的思路和方法。
关键词：决策融合；红外图像；可见光图像；人脸识别；多模态
一、引言
随着计算机技术的不断发展，人脸识别技术已经成为了一个热门的研究方向。不同于传统的密码锁或磁卡密钥，人脸识别技术具有非常广泛的应用前景，如安全监控、智能家居、金融交易等等。但是，由于人脸识别技术的特殊性质，其应用受到了很多限制和挑战。其中最为重要的一个问题，就是在人脸采集和识别的过程中，受到了光线、角度、面部表情、装饰物遮挡等因素的影响。针对这一问题，如何提高人脸识别的准确率和可靠性，一直是人脸识别技术研究的核心之一。
为了解决人脸识别的问题，研究人员提出了许多不同的方法，其中最为常见的是使用红外图像和可见光图像进行识别。红外图像不受光线的影响，可以在黑暗或弱光条件下采集人脸图像，对于反射率高、没有纹路特征的人脸区域，其红外图像的质量往往要高于可见光图像。而可见光图像，则可以反映出人脸区域的肤色、面部表情等特征，对于反射率低、具有纹路特征的人脸区域，其可见光图像往往更为清晰。因此，利用红外图像和可见光图像进行人脸识别通常能够提高识别的准确率和可靠性。
但是，使用单一图像进行人脸识别，存在很大的局限性。因为无论是红外图像还是可见光图像，其都可能受到噪声的干扰，或者存在一些异常或虚假的特征，在一定程度上影响人脸识别的准确率。所以，研究人员提出了多模态图像融合的方法，将不同模态的图像信息进行融合，以提高识别准确率。
决策融合是一种常见的融合方法，其基本思路是将不同的分类模型的判决结果进行加权平均或投票决策，在得到一个最终判决结果。本文主要研究了基于决策融合的红外与可见光图像人脸识别技术，开发了一种新的算法，以实现多模态人脸图像的识别和分类。
二、相关研究
人脸识别技术是一个正在快速发展的研究领域，目前已经出现了很多基于红外图像和可见光图像的人脸识别算法。以下将对相关研究进行简要综述。
1.基于红外图像的人脸识别
红外图像作为一种新兴的人脸采集技术，受到了很多研究人员的重视。红外图像采集不受光线的影响，适用于各种光照条件下的人脸采集。同时，红外图像中人脸表面的纹路特征比可见光图像更加清晰，适用于识别表情和丰富人脸信息。因此，基于红外图像的人脸识别方法在近年来取得了很大的进展。
2.基于可见光图像的人脸识别
可见光图像是人脸识别领域中应用最为广泛的一种人脸特征提取方法。通过可见光图像，可以提取面部肤色、纹理、轮廓和表情等特征信息，用于对人脸进行分类和识别。
3.基于多模态图像的人脸识别
基于单一图像进行识别，存在着很多的问题和局限性。为了提高人脸识别的准确率和可靠性，近年来研究人员提出了多模态信息融合的方法。通过综合利用不同类型的图像信息，可以得到更加准确和可靠的人脸识别结果。这种方法已经在安防、金融等领域有了广泛的应用。
三、决策融合算法
决策融合是一种非常常见的图像信息融合方法，其主要思想是将不同分类模型的判定结果进行加权平均或投票决策，并得到最终决策结果。相比于单一分类模型，融合多个模型的结果往往可以提高分类的准确率和稳定性。决策融合算法根据不同的权重分布和融合规则，可以分为加权平均法、投票法、神经网络法、模糊理论法等。
四、基于决策融合的红外与可见光图像人脸识别算法
基于决策融合的红外与可见光图像人脸识别算法，主要包括两个环节：特征提取和决策融合。
1.特征提取
提取不同模态图像中的特征信息，是多模态识别算法的基础。本文采用了离散余弦变换(DCT)和主成分分析(PCA)算法进行特征提取。
在红外图像中，采用DCT算法对图像进行前向变换，将图像从时域转换到频域，在频域中提取特征，以减小特征维数和特征向量的冗余
在可见光图像中，先进行划分和归一化处理，然后采用PCA算法对人脸图像进行降维处理，从而提取出最为关键的特征信息。
2.决策融合
本文提出了一种基于分数规则的决策融合方法。具体步骤如下：
（1）针对红外和可见光图像的每个模态，分别采用不同的人脸识别算法，得到判定结果。
（2）对于某个样本，将红外和可见光图像的判定结果分别进行加权求和，得到两个加权判定分数。
（3）根据分数规则，将两个加权分数进行加权平均，得到最终的判定结果。
五、实验及分析
为验证决策融合算法在红外与可见光图像人脸识别中的有效