学位论文 > 优秀研究生学位论文题录展示
NIR人脸图像识别方法研究
作 者: 殷朝阳
导 师: 宋耀良; 李智强
学 校: 南京理工大学
专 业: 电子与通信工程
关键词: 近红外人脸识别 Contourlet变换 支持向量机
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 7次
引 用: 0次
阅 读: 论文下载
内容摘要
人脸识别(Face Recognition)作为生物特征识别领域,是对一个人的身份进行有效认证的重要识别技术,在公共安全、银行系统、军事、海关等领域都有着广泛的应用前景。该项技术涉及到计算机视觉、生理学、人工智能、认知科学、心理学等多个重要领域,是模式识别、图像处理等学科中一项极具潜力的研究课题。目前为止,应用最多的是基于可见光的人脸识别系统,该类系统易受光照、姿态等一些因素的影响。近年来,针对可见光人脸识别技术存在的不足,部分学者提出了基于近红外光的人脸识别算法,该方法能有效减少光照这一不利因素对人脸识别系统性能的影响,目前,已逐渐成为人脸识别领域的研究热点。在目前的近红外人脸识别研究方法中,出现了多种算法,诸如:PCA、LBP、DBC等,这些算法各有优势,但是在识别率等方面却存在一定的不足。基于此,本文提出了一种融合了Contourlet变换与支持向量机(SVM)训练法的近红外(NIR)人脸识别新算法,即基于Contourlet和SVM的近红外人脸识别算法。本文的主要工作如下:1本文罗列了一些常用的生物特征,并对生物特征识别技术及应用领域、应用前景等内容作了简要概括;分析了人脸识别技术的研究背景及国内外此项技术的发展现状;阐述了人脸识别技术研究的大致内容;总结了人脸识别系统与其他生物识别系统相比所具有的独特优势;综合评述了人脸识别技术研究的意义;最后简要介绍了人脸识别系统广泛应用的各个领域;为了消除或降低一些不利因素给人脸识别性能带来的不利影响,我们提出了基于近红外光的人脸识别方案。2其次简要介绍了人脸识别技术及此系统的基本框架,国内外典型的人脸识别商业系统及产品,现有的人脸识别方法。人脸识别技术作为一种最直观、最自然的生物可视化识别技术,在我们的生产生活中正发挥着越来越重要的作用。3接着分析了人脸识别研究的难点,光照、表情、姿态等因素成为了制约人脸识别技术发展的一大障碍;之后又对红外光(包括热红外光和近红外光两种光照)人脸成像的特点做了简要的总结,证明了基于近红外光的人脸识别技术是一种较为实用、有效且目前来说对光照及姿态变化有良好适应性的前沿技术,并且列举了一些近红外人脸识别的方法。4针对人脸识别技术存在的诸多不足,本文提出了一种基于近红外人脸识别的新算法,即基于Contourlet和SVM的近红外人脸识别算法。本算法首先对近红外光照下的人脸图像通过Contourlet变换得到特征数据,然后利用SVM进行分类与识别。该算法有效结合了Contourlet变换的特征提取和SVM的分类能力,将两者有效结合在一起共同对人脸图像进行识别,不仅提高了识别率,同时也提高了分类器的分类能力,是一种高效且精准的人脸识别算法。
|
全文目录
摘要 5-7 Abstract 7-11 1 绪论 11-21 1.1 生物特征识别技术 11-15 1.1.1 生物特征识别技术及分类 11-14 1.1.2 生物特征识别技术的应用及发展前景 14-15 1.2 人类识别研究的背景 15-16 1.3 人脸识别研究的现状及意义 16-18 1.3.1 人脸识别研究的现状 16-17 1.3.2 人脸识别研究的意义 17-18 1.4 本文的研究内容 18 1.5 本文的章节框架 18-21 2 人脸识别技术 21-31 2.1 引言 21 2.2 人脸识别系统的主要研究内容 21-23 2.3 人脸识别的主要商业领域 23-25 2.4 人脸识别的主要应用领域 25-26 2.5 人脸识别的方法 26-29 2.6 本章小结 29-31 3 近红外人脸识别研究 31-39 3.1 引言 31 3.2 人脸识别研究的难点 31-32 3.3 影响人脸识别研究的主要因素 32-33 3.3.1 光照变化对人脸识别的影响 32 3.3.2 表情变化对人脸识别的影响 32 3.3.3 姿态变化对人脸识别的影响 32-33 3.4 红外人脸成像特点 33-36 3.4.1 热红外人脸成像特点 34-35 3.4.2 近红外人脸成像特点 35-36 3.5 近红外人脸成像采集设备 36 3.6 近红外人脸识别技术 36-37 3.7 本章小结 37-39 4 Contourlet和SVM融合的近红外人脸识别方法 39-47 4.1 引言 39 4.2 基于近红外人脸识别技术的常用算法及新算法 39-40 4.3 Contourlet变换及SVM 40-42 4.3.1 Contourlet变换 40-41 4.3.2 SVM 41-42 4.4 算法的实现流程 42-43 4.5 实验结果与分析 43-45 4.6 本章小结 45-47 5 总结与展望 47-49 5.1 总结 47 5.2 展望 47-49 致谢 49-51 参考文献 51-55
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于车载3D加速传感器的路况监测研究,TP274
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 不匹配信道下耳语音说话人识别研究,TN912.34
- 基于文本挖掘的学者简历自动生成,TP391.1
- 基于特征选择的入侵检测研究,TP393.08
- 基于SVM的跨膜蛋白结构预测应用研究,Q51
- LS-SVM算法预测煤层瓦斯涌出量技术研究及应用,TD712.5
- 基于支持向量机的故障诊断研究,TH165.3
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|