学位论文 > 优秀研究生学位论文题录展示

人脸特征提取及其识别

作　者: 王青青
导　师: 史东承
学　校: 长春工业大学
专　业: 信号与信息处理
关键词: 人脸识别小波变换 BPCA 特征向量
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 88次
引　用: 0次
阅　读: 论文下载

内容摘要

人脸识别是近年来模式识别、图像处理、机器视觉、计算机图像学以及生物特征技术等领域的研究热点之一。所谓人脸识别,就是把输入的人脸图像和人脸数据库中的若干图像进行比较,从而识别出输入图像的身份。人脸识别技术从对背景单一的正面灰度图像进行识别,演变到对多姿态(正面、侧面等)人脸的识别,现在正在向三维人脸识别的方向发展。在其演变的过程中,人脸识别技术所识别的图像逐渐复杂,识别效果不断地得到提高。但是对于复杂背景中的人脸识别仍不能进行有效的处理。因此,本文在前人研究的基础上,查阅和分析了大量国内外关于人脸识别的学术著作及文献,着力研究人脸特征提取和识别的核心技术与算法,目的是为了寻求实现相对简单,特征提取和识别速度快,识别率高且适合于人脸识别的算法。首先,本文介绍了人脸识别技术的研究背景与意义、国内外的研究现状与发展进程。接下来从人脸识别技术角度出发,对人脸检测、特征提取和分类识别的主要技术进行了分类介绍。其次,本文采用了基于小波变换的分块主成分分析(Block Principal Component Analysis, BPCA)的人脸特征提取及其识别算法。该算法对输入的人脸图像的归一化要求较高,其性能容易受到光照和姿态变化的影响。因此,本文首先采用直方图均衡化技术对人脸图像进行预处理,消除了光照强度差异的影响；其次,用小波变换的方法提取人脸图像的相对稳定的低频子带,模糊了人脸表情和姿势的影响,并同时达到了对图像向量降维的效果；进而用BPCA进行特征提取,主元分析算法本身是根据人脸图像整体的灰度相关性来提取特征向量,所提取出的特征向量保留了原图像空间中的主要分类信息,在此基础上进行了改进,采用了BPCA进行特征提取,根据子块对识别结果的贡献度生成加权因子,得到综合投影系数,最后利用最近邻分类器进行分类识别。本算法与传统的PCA方法相比,大大降低了运算复杂度,所提取的特征更加反映了人脸之间的差异,提高了识别率,实验结果表明本文所采用的算法是准确有效的。

全文目录

摘要  2-3
Abstract  3-7
第一章绪论  7-11
  1.1 人脸识别的研究背景与意义  7
  1.2 人脸识别的研究现状与发展进程  7-9
  1.3 本文组织结构  9-11
第二章人脸识别技术  11-17
  2.1 人脸检测  11-13
  2.2 人脸特征提取  13-14
  2.3 人脸识别  14-16
  2.4 本章小结  16-17
第三章人脸图像的预处理  17-20
  3.1 常用的图像预处理方法  17-18
  3.2 本文所采用的预处理方法  18-19
  3.3 本章小结  19-20
第四章基于小波变换的人脸数据降维  20-28
  4.1 连续小波变换  20-21
  4.2 离散小波变换  21-25
    4.2.1 图像的离散小波变换  22-24
    4.2.2 小波的多分辨分析  24-25
  4.3 基于小波变换的人脸图像降维算法分析与实验结果  25-26
    4.3.1 小波基的选择  25-26
    4.3.2 选择图像分解的层数  26
  4.4 本章小结  26-28
第五章人脸特征的抽取与识别  28-37
  5.1 主元分析法  28-31
  5.2 基于特征脸的人脸识别方法  31-33
  5.3 BPCA人脸识别算法  33-35
  5.4 最近邻准则分类器  35
  5.5 WT-BPCA人脸识别算法  35-36
  5.6. 本章小结  36-37
第六章实验结果及讨论  37-41
  6.1 人脸库介绍  37-38
  6.2 WT-BPCA算法实验结果及其分析  38-40
  6.3 本章小结  40-41
总结与展望  41-43
致谢  43-44
参考文献  44-47
附录  47-48
作者简介  48
攻读硕士学位期间研究成果  48-49

人脸特征提取及其识别

内容摘要

全文目录

相似论文