Face Recognition using Contourlet Transform and PCA

컨투어렛 변환은 2차원의 웨이블렛 변환을 확장한 개념으로 다중스케일과 방향성필터뱅크를 이용한다. 이러한 컨투어렛 변환은 웨이블렛 변환의 특징인 다중스케일과 시간-주파수의 지역적 특성뿐만 아니라 방향성분에 대해서도 풍부한 정보를 얻을 수 있는 장점을 가지고 있다 본 논문에서는 컨투어렛 변환과 주성분분석기법을 이용하는 융합기법에 의한 얼굴인식 시스템을 제안한다. 제안된 방법은 먼저 컨투어렛 변환에 의해 얼굴영상을 방향성 부대역 영상으로 분할한 후, 주성분분석기법을 이용하여 방향성분별로 분할된 각각의 부영상에 대하여 특징벡터를 산출한다. 그리고 최종 단계에서는 각각의 대역별로 산출된 매칭도를 효과적으로 융합할 수 있는 융합기법을 이용하여 얼굴인식을 수행한다. 제안된 방법의 타당성을 보이기 위해 ORL 얼굴영상과 CBNU 얼굴영상을 대상으로 실험한 결과 기존 방법인 PCA나 웨이블렛 변환을 이용한 방법에 비해 향상된 인식 성능을 보임을 확인할 수 있었다. Contourlet transform is an extention of the wavelet transform in two dimensions using the multiscale and directional fillet banks. The contourlet transform has the advantages of multiscale and time-frequency-localization properties of wavelets, but also provides a high degree of directionality. In this paper, we propose a face recognition system based on fusion methods using contourlet transform and PCA. After decomposing a face image into directional subband images by contourlet, features are obtained in each subband by PCA. Finally, face recognition is performed by fusion technique that effectively combines similarities calculated respectively In each local subband. To show the effectiveness of the proposed method, we performed experiments for ORL and CBNU dataset, and then we obtained better recognition performance in comparison with the results produced by conventional methods.