学位论文 > 优秀研究生学位论文题录展示

基于Contourlet变换和子空间分析的人脸识别技术研究

作　者: 赵祖轩
导　师: 李学斌
学　校: 北京化工大学
专　业: 计算机应用技术
关键词: 生物识别人脸识别小波分析 Contourlet变换主成分分析核Fisher判别分析
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 114次
引　用: 1次
阅　读: 论文下载

内容摘要

在基于生物特征识别技术的身份认证中,人脸识别是最主要的方法之一,已经成为当前模式识别和人工智能领域研究的热点,探索高识别率的人脸识别算法具有重要的理论意义和应用价值。小波分析是信号处理的有效方式,是目前国际上公认的信息获取与处理领域的新技术。小波能从信号中提取有用的信息成分,是各种信号处理方法(如多尺度分析、时频分析和子带编码)的统一处理框架。小波分析在一维时具有优异的特性,但是,这种优异特性不能简单地推广到二维或更高维。在高维空间中,多尺度几何分析拥有更明显的优势。Contourlet变换是一种新的多尺度几何分析方法,它不仅具有小波变换的多分辨率特性和时频局域特性,还具有很强的方向性和各向异性。子空间方法具有计算代价小、描述能力强、可分性好等特点,现已经成为人脸识别的主流方法。本文提出基于Contourlet变换和主成分分析(PCA)的人脸识别方法,研究Contourlet变换的低频系数与PCA相结合的识别率；同时提出基于Contourlet变换和核Fisher判别分析的人脸识别方法,研究Contourlet变换的低频系数、各层高频系数与核Fisher判别分析相结合进行人脸识别的识别率和识别时间。实验表明,Contourlet变换与PCA相结合,可获得优异的识别率；Contourlet变换的低频系数与核Fisher判别分析相结合,在获得优异的识别率的同时也减少了识别时间；高频成分有一定的识别性能,但识别率较低。将低频成分与高频方向子带相结合能获得最优的识别率。

全文目录

摘要  4-6
ABSTRACT  6-17
第一章绪论  17-27
  1.1 论文研究的目的及意义  17-18
  1.2 小波变换及人脸识别技术  18-19
    1.2.1 小波变换的发展  18
    1.2.2 人脸识别技术  18-19
  1.3 人脸识别方法及研究现状  19-23
    1.3.1 人脸识别方法  20-22
    1.3.2 国内外研究现状  22-23
  1.4 人脸数据库介绍  23-25
  1.5 论文的研究内容及组织结构  25-27
第二章小波变换与Contourlet变换理论  27-47
  2.1 小波变换基础  27-35
    2.1.1 从Fourier分析到小波分析  27-31
    2.1.2 尺度函数  31-33
    2.1.3 小波空间  33-35
  2.2 小波变换  35-38
    2.2.1 尺度和位移的离散化方法  36-37
    2.2.2 二维离散小波变换  37-38
  2.3 多分辨率分析与多尺度几何分析  38-41
    2.3.1 多分辨率分析  38-39
    2.3.2 多尺度几何分析  39-41
  2.4 Contourlet变换  41-45
    2.4.1 拉普拉斯金字塔分解  42-44
    2.4.2 方向滤波器组滤波  44-45
  2.5 Contourlet用于特征提取  45-46
  2.6 本章小结  46-47
第三章子空间方法  47-55
  3.1 引言  47
  3.2 主成分分析(PCA)  47-48
  3.3 Fisher判别分析(FDA)  48-51
  3.4 核Fisher判别分析(KFDA)  51-53
  3.5 本章小结  53-55
第四章基于Contourlet变换和子空间分析的人脸识别方法  55-63
  4.1 引言  55
  4.2 人脸图像的分解  55-59
    4.2.1 人脸图像的小波分解  55-56
    4.2.2 人脸图像的Contourlet分解  56-59
  4.3 核函数的选取和KNN分类器  59-60
    4.3.1 核函数的选取  59
    4.3.2 KNN分类器  59-60
  4.4 基于Contourlet变换和子空间的人脸识别  60-62
    4.4.1 Contourlet+PCA  60-61
    4.4.2 Contourlet+KFDA  61-62
  4.5 本章小结  62-63
第五章实验与结论  63-71
  5.1 引言  63
  5.2 Contourlet+PCA实验结果  63-66
  5.3 Contourlet+KFDA实验结果  66-69
  5.4 结论  69-71
第六章总结与展望  71-73
  6.1 总结  71
  6.2 进一步研究的方向  71-73
结束语  73-75
参考文献  75-81
致谢  81-83
研究成果及发表的学术论文  83-85
作者与导师简介  85-86
北京化工大学硕士研究生学位论文答辩委员会决议书  86-87

基于Contourlet变换和子空间分析的人脸识别技术研究

内容摘要

全文目录

相似论文