学位论文 > 优秀研究生学位论文题录展示

基于子空间的人脸识别算法研究

作　者: 唐晓培
导　师: 李力争
学　校: 中南大学
专　业: 电子科学与技术
关键词: 人脸识别 子空间 KPCA LDA 最近邻分类器 KNN分类器
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 141次
引　用: 0次
阅　读: 论文下载
 

内容摘要


目前,基于子空间的人脸识别算法因其计算效率高、表征能力强,已经引起了人们的广泛关注。但由于人脸图像较易受各种外界因素的干扰,因此如何更加有效的利用人脸图像信息,以及如何获得更高的人脸识别率,成为众多研究者孜孜不倦探讨的问题。分析并研究了大量近年来国内外关于人脸识别的学术文献,针对人脸识别中基于子空间的特征提取方法和基于最近邻分类器的分类方法进行了深入的研究,研究工作主要包括以下几个方面：(1)针对人脸图像中繁重的计算复杂度问题,提出了改进的核主成分分析算法(KPCA),该算法通过最佳样本均值估计向量代替原始样本向量的方法,降低数据计算量,进而提高了算法运算速率。(2)针对小样本和边缘信息干扰等问题,提出了改进的线性鉴别分析算法(LDA),该算法通过类间散度矩阵加权处理以及类内散度矩阵均值中心化处理的方法,增强了算法处理特征值偏差以及边缘分类问题的能力。然后融合改进后的KPCA算法以及改进后的LDA算法,应用到人脸识别特征提取中。(3)针对特征分类中存在的样本维数灾难以及噪声干扰等问题,提出了基于特征加权相似度辅助的K近邻(KNN)分类器算法,该算法降低了样本数据的维数,有效的抑制了噪声数据的干扰。(4)全面阐述了改进的人脸识别算法,并通过大量实验数据分析说明了改进后的人脸识别算法在识别率上的优势。用MATLAB软件对提出的改进的特征提取算法和分类器算法进行了研究,仿真结果表明：提出的改进的人脸识别算法具有可行性和有效性。

全文目录


摘要  3-4
ABSTRACT  4-6
目录  6-8
第一章 绪论  8-15
  1.1 人脸识别的研究意义  8
  1.2 人脸识别技术的发展  8-10
  1.3 人脸识别的结构与方法  10-12
  1.4 基于子空间人脸识别方法的研究现状  12-14
  1.5 本文研究的主要内容及论文章节安排  14-15
第二章 人脸图像的预处理  15-22
  2.1 引言  15
  2.2 人脸识别库的介绍  15-16
  2.3 图像的滤波处理  16-17
  2.4 图像的几何规范化  17-19
  2.5 图像的灰度规范化  19-20
  2.6 本文对图像的预处理工作  20-21
  2.7 本章小结  21-22
第三章 核主成分分析及线性鉴别分析的改进算法  22-41
  3.1 引言  22-23
  3.2 主成分分析法  23-31
    3.2.1 主成分分析法(PCA)的基本算法  23-25
    3.2.2 核方法的基本概念  25-26
    3.2.3 核主成分分析法(KPCA)的基本算法  26-28
    3.2.4 改进的KPCA算法  28-30
    3.2.5 实验结果及分析  30-31
  3.3 线性鉴别分析法(LDA)  31-37
    3.3.1 线性鉴别分析法(LDA)的基本算法  31-33
    3.3.2 改进的LDA算法  33-36
    3.3.3 实验结果及分析  36-37
  3.4 KPCA和LDA融合改进算法  37-40
    3.4.1 算法介绍  37-38
    3.4.2 实验结果及分析  38-40
  3.5 本章小结  40-41
第四章 基于特征加权相似度辅助的KNN改进算法  41-49
  4.1 引言  41-42
  4.2 最近邻分类器  42-43
    4.2.1 经典最近邻分类器算法介绍  42-43
    4.2.2 经典KNN分类器的算法  43
  4.3 基于特征加权的相似度辅助KNN改进算法  43-48
    4.3.1 算法描述  43-46
    4.3.2 实验结果及分析  46-48
  4.4 本章小结  48-49
第五章 人脸识别系统及实验结果分析  49-57
  5.1 人脸识别算法的实现模块  49-52
  5.2 实验结果及分析  52-56
    5.2.1 核参数的选取对识别性能的影响  52-53
    5.2.2 识别率的实验结果及分析  53-56
  5.3 本章小结  56-57
第六章 总结与展望  57-59
  6.1 总结  57-58
  6.2 对后续工作的展望  58-59
参考文献  59-63
附录  63-72
致谢  72-73
攻读学位期间主要的研究成果  73

相似论文

  1. 2D人脸模板保护算法研究,TP391.41
  2. 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
  3. 基于差分演化的人脸识别方法研究,TP391.41
  4. 基于局部优化投影的人脸识别方法研究,TP391.41
  5. 基于动态模糊关系的深层结构学习算法研究,TP181
  6. 基于李群机器学习算法的智能布线,TN710
  7. OFDM系统信道估计技术研究,TN919.3
  8. 基于伪Zernike矩和BP网络的人脸识别算法研究,TP391.41
  9. 基于神经树的人脸识别方法研究,TP391.41
  10. 基于AdaBoost算法的人脸识别研究,TP391.41
  11. 遗传算法在PCA人脸识别算法中的应用研究,TP391.41
  12. 基于Gabor和SVM的光照鲁棒人脸识别算法研究,TP391.41
  13. 基于MMTD的人脸识别方法研究,TP391.41
  14. 线性算子广播信道,TN911.22
  15. 基于子空间的MIMO-OFDM信道估计算法设计与实现,TN919.3
  16. 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
  17. 人脸识别中的光照问题研究,TP391.41
  18. 彩色人脸图像特征提取算法研究,TP391.41
  19. 基于CT影像的肺裂计算机辅助检测方法研究,TP391.41
  20. 基于人脸识别的图像美化系统设计与实现,TP391.41
  21. 基于特征融合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