学位论文 > 优秀研究生学位论文题录展示

可变光照下的人脸识别技术研究

作　者: 卢晓菁
导　师: 陈锻生
学　校: 华侨大学
专　业: 计算机应用技术
关键词: 人脸识别 光照补偿 PCA LDA 贝叶斯分类器
分类号: TP391.41
类　型: 硕士论文
年　份: 2008年
下　载: 149次
引　用: 2次
阅　读: 论文下载
 

内容摘要


人脸识别技术是模式识别和机器视觉领域最富挑战性的研究课题之一,它在公共安全、信息安全、人机交互等领域中有着广泛的应用前景。经过三十多年的研究,人脸识别技术在理想环境条件下已达到实用程度,但是在环境不可控的情况下,由于光照、姿态、表情、遮挡等变化的影响,已有的人脸识别算法性能大大下降,其应用范围也受到了较大的限制。因此,针对各种变化的鲁棒的人脸识别技术是当前的一个研究热点。本文主要针对不同光照条件下的人脸识别技术进行了研究。主要完成的工作概括如下:首先,在图像预处理环节,本文提出了一种人脸图像光照补偿的新方法。通过构造原人脸图的二值图,从而确定出原图所属的光源方向。然后,在除正面光源外的每个光源方向上构造出通用的平均亮度差值来进行光照补偿。最后,结合去掉三个特征值最大的PCA特征向量的方法进行识别。实验表明,这种方法能够显著提高光照变化条件下的人脸识别率。其次,在特征提取环节,分别介绍了PCA,2D-PCA,2D-LDA和PCA+LDA四种方法的基本原理。其中,2D-PCA和2D-LDA都是基于2D人脸图像矩阵而无须矢量化的方法,能够有效地解决运算量和矩阵奇异的问题。而PCA+LDA算法则是先用PCA投影矩阵将原始向量空间降维,然后再用LDA进一步降低维数并获取精简的分类特征,从而在能够很好地表示图像的结构信息的同时减少了计算量,也避免了LDA的矩阵奇异问题。在分类器设计环节上,介绍了4种经典的分类器:最近邻分类器,k-近邻分类器,SVM和贝叶斯分类器,其中重点讨论了贝叶斯分类决策的基本原理及在人脸识别中的应用。最后,在原始图像集、直方图均衡化的图像集和用本文提出的光照补偿算法补偿的图像集上,分别将不同特征提取方法与不同分类器进行组合实验。在实验数据中分别从光照预处理,特征提取方法和分类器三方面进行分析,从中得到在不同光照条件下识别效果最好的组合:先用本文提出的光照补偿对图像进行预处理,然后结合PCA+LDA方法和贝叶斯分类器。

全文目录


中文摘要  3-5
ABSTRACT  5-9
第一章 引言  9-18
  1.1 课题背景  9-10
  1.2 人脸识别系统  10-12
  1.3 人脸识别的方法  12
  1.4 解决光照问题的一些常用算法  12-15
    1.4.1 基于不变特征的方法  13
    1.4.2 人脸图像标准化的方法  13-14
    1.4.3 光照变化建模方法  14-15
  1.5 人脸识别系统评价标准  15-16
  1.6 本文的主要工作  16-18
第二章 人脸图像的光照补偿  18-26
  2.1 直方图均衡化的方法  18
  2.2 新的光照补偿算法  18-23
    2.2.1 确定光源方向  18-20
    2.2.2 光照补偿  20-23
  2.3 实验结果及分析  23-25
  2.4 本章小结  25-26
第三章 基于子空间的人脸特征提取  26-36
  3.1 PCA 基本原理  26-29
  3.2 2D-PCA 的基本原理  29-31
    3.2.1 思想与最优投影矩阵  29-30
    3.2.2 特征抽取  30
    3.2.3 图像重构  30-31
  3.3 LDA 的基本原理  31-33
  3.4 2D-LDA 的基本原理  33-34
  3.5 PCA+LDA 算法  34-35
  3.6 本章小结  35-36
第四章 所用的几种分类器  36-49
  4.1 最近邻分类器  36-37
  4.2 k-近邻分类器  37
  4.3 支持向量机分类器  37-39
    4.3.1 支持向量机的基本思想  37-38
    4.3.2 用于多类分类的支持向量机  38-39
  4.4 贝叶斯分类器  39-48
    4.4.1 贝叶斯决策基本原理  39-42
    4.4.2 贝叶斯分类器在人脸识别种的应用  42-48
  4.5 本章小结  48-49
第五章 实验结果及分析  49-55
  5.1 实验人脸图像库  49
  5.2 不同特征与不同分类器结合的人脸识别实验  49-54
    5.2.1 贝叶斯人脸识别实验流程说明  49-50
    5.2.2 实验结果及分析  50-54
  5.3 本章小结  54-55
第六章 论文总结与展望  55-58
  6.1 论文总结  55-56
  6.2 展望  56-58
参考文献  58-63
致谢  63-64
攻读研究生期间参加科研项目与发表的论文  64

相似论文

  1. 2D人脸模板保护算法研究,TP391.41
  2. 基于空间—频率域的织物组织识别新技术研究,TS101.923
  3. 基于加权投票和关键帧提取的视频流人脸识别方法研究,TP391.41
  4. 基于差分演化的人脸识别方法研究,TP391.41
  5. 功能磁共振成像技术在前列腺癌诊断中的应用研究,R737.25
  6. 基于概率PCA的图像复原方法研究及其应用,TP391.41
  7. 基于神经树的人脸识别方法研究,TP391.41
  8. 基于AdaBoost算法的人脸识别研究,TP391.41
  9. 注塑成型过程监测与故障诊断平台的设计与实现,TQ320.5
  10. 彩色图像人脸检测及人脸特征点定位,TP391.41
  11. 基于MMTD的人脸识别方法研究,TP391.41
  12. 利用非局部相似性的图像超分辨率重建研究,TP391.41
  13. 基于改进的非参数回归交通流量预测方法,F570
  14. 分子三次、分母二次有理样条权函数神经网络研究及应用,TP183
  15. 基于人脸识别的图像美化系统设计与实现,TP391.41
  16. 基于特征融合的人脸识别算法研究,TP391.41
  17. 面向电力营销服务的客户身份自动识别系统设计,TP391.41
  18. 基于小波变换和线性子空间的人脸识别技术研究,TP391.41
  19. 基于局部二元模式和韦伯局部描述符的人脸识别,TP391.41
  20. 视频数据中人体动作的分类研究,TP391.41
  21. 基于稀疏表达的人脸识别算法研究,TP391.41

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