学位论文 > 优秀研究生学位论文题录展示
人脸识别过程中特征提取方法的研究
作 者: 赵冬娟
导 师: 梁久祯
学 校: 江南大学
专 业: 计算机软件与理论
关键词: 人脸识别 特征提取 小波变换 类增广PCA 模糊集理论
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 90次
引 用: 0次
阅 读: 论文下载
内容摘要
特征提取对高维数数据的分类具有重要的研究意义,应用非常广泛。特征提取的目的是提取一组特征,使得这些特征的维数比原始数据的维数低,且保持数据的类别特性。用提取的特征代替原始数据进行各种处理,能使与特征数量有关的分类过程的计算量减少,同时因为去除了数据的相关特性,从而提高分类效率。本文主要包括以下几个方面的内容:(1)融合小波和自适应类增广PCA的人脸识别。该方法首先用离散小波变换对人脸图像进行压缩,提取人脸的低频分量,然后再利用自适应的类增广PCA方法对小波变换后的人脸低频分量进行特征提取,从而达到进一步降维的目的。不同于类增广PCA,该方法不需要构建样本的类间信息,使用起来更加灵活,又由于小波变换对图像的预处理,算法的识别率和耗时也得到了进一步的优化。(2)融合2DPCA和模糊2DLDA的人脸识别。该方法首先对人脸图像进行2DPCA处理,再用模糊K近邻算法计算图像的隶属度矩阵,并将其融入到2DLDA过程中,从而得到模糊类间散射矩阵和模糊类内散射矩阵。与(2D)~2PCALDA相比,该算法充分利用了(2D)~2PCALDA的优点,有效地提取了行和列的识别信息,并充分考虑了样本的分布信息。(3)二维类增广PCA首先用2DPCA直接对人脸图像矩阵提取特征,其次对提取的特征进行归一化处理,然后将归一化处理后的特征与类别信息结合成为类增广数据,最后对类增广数据进行2DPCA处理,提取最终的特征。该算法既保留了人脸图像的结构信息,又考虑了样本的类别信息,使得识别率有了大大地提高。
|
全文目录
摘要 3-4 Abstract 4-7 第一章 绪论 7-11 1.1 课题的背景及其意义 7-8 1.2 课题研究现状 8-9 1.3 本文的研究内容及结构安排 9-10 1.3.1 研究内容 9 1.3.2 结构安排 9-10 1.4 本章小结 10-11 第二章 常用的特征提取方法 11-16 2.1 主成分分析 11-12 2.2 线性判别分析 12 2.3 最大间距准则 12-13 2.4 二维主成分分析 13-14 2.5 二维线性判别分析 14-15 2.6 双向主成分分析 15 2.7 本章小结 15-16 第三章 融合小波和自适应类增广PCA 的人脸识别 16-27 3.1 小波变换简介 16-18 3.1.1 小波及小波变换定义 16 3.1.2 二维小波变换与逆变换 16-17 3.1.3 人脸图像小波分解 17-18 3.2 类增广PCA 18-19 3.3 自适应类增广PCA 19-21 3.4 融合小波变换和自适应类增广PCA 21-22 3.5 实验结果与分析 22-26 3.5.1 识别性能分析 23-25 3.5.2 时间和综合性能分析 25-26 3.6 本章小结 26-27 第四章 融合2DPCA 和模糊2DLDA 的人脸识别 27-36 4.1 模糊图像识别 27-28 4.2 模糊Fisherface 28-29 4.3 模糊2DLDA 29 4.4 模糊(2D)2PCALDA 算法 29-30 4.5 实验结果与分析 30-35 4.5.1 Yale 库上的试验结果 30-31 4.5.2 FERET 库上的试验结果 31-33 4.5.3 参数p 的分析 33-35 4.6 本章小结 35-36 第五章 二维类增广PCA 36-40 5.1 二维类增广PCA 36-37 5.1.1 用2DPCA 进行预处理 36 5.1.2 对特征矩阵归一化 36-37 5.1.3 根据类信息获得类增广数据 37 5.1.4 对类增广数据进行2DPCA 处理 37 5.2 实验结果与分析 37-39 5.2.1 Yale 库实验结果分析 37-38 5.2.2 FERET 库实验结果分析 38-39 5.3 本章小结 39-40 第六章 总结与展望 40-42 6.1 本文总结 40 6.2 展望 40-42 致谢 42-43 参考文献 43-46 附录:作者在攻读硕士学位期间发表的论文 46
|
相似论文
- 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
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 2D人脸模板保护算法研究,TP391.41
- 基于TMS320C6713的SPIHT图像压缩算法研究及实现,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
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 图像的稀疏表示及编码模型研究,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
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
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
|