学位论文 > 优秀研究生学位论文题录展示

基于子空间分析的人脸识别算法研究

作　者: 谢锴
导　师: 贺建飚
学　校: 中南大学
专　业: 计算机科学与技术
关键词: 人脸识别线性子空间主成分分析 Fisher准则奇异值分解
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 77次
引　用: 0次
阅　读: 论文下载

内容摘要

人脸识别是近年来模式识别领域的研究热点问题,应用前景广阔。但是到目前为止,已经取得的研究成果离这一问题的彻底解决还有很大的距离。本文首先对人脸识别领域的研究背景,研究内容,研究意义等基本问题进行综述,而后对人脸识别的主要方法逐一进行介绍。随后,对人脸识别的子空间分析方法中的两种方法进行详细的介绍,分别为：主成分分析,基于Fisher准则的主成分分析。提出了一种新的基于奇异值分解和Fisher准则的主成分分析算法。利用奇异值向量对图像进行描述,并且将奇异值向量作为特征向量进行识别。由于奇异值分解具有良好的数学特性,这种方法比直接将图像进行串行化具有识别率上的优势。实验测试了基于奇异值分解和Fisher准则的主成分分析算法在人脸数据库上的结果,并对结果进行了分析和比对。

全文目录

摘要  4-5
ABSTRACT  5-8
第一章绪论  8-14
  1.1 人脸识别概述  8-9
  1.2 人脸识别的研究内容  9-11
  1.3 人脸识别的应用  11-12
  1.4 人脸识别研究的国内外状况  12-14
第二章人脸识别的主要方法  14-24
  2.1 基于几何特征的算法  14-15
  2.2 基于模板匹配的人脸识别方法  15-16
  2.3 基于线性子空间分析的人脸识别算法  16-17
    2.3.1 主成分分析  16-17
    2.3.2 独立成分分析  17
  2.4 隐马尔可夫模型  17-19
  2.5 神经网络  19-20
  2.6 统计学习理论和支持向量机  20-22
  2.7 本章小结  22-24
第三章基于子空间分析的人脸识别方法  24-41
  3.1 主成分分析  25-28
  3.2 主成分分析的一种改进——基于Fisher准则的主成分分析  28-33
  3.3 基于奇异值分解的线性判别主成分分析  33-39
    3.3.1 基于奇异值分解的图像分析  33-34
    3.3.2 基于奇异值分解的人脸识别方法  34-39
  3.4 分类器设计  39-41
    3.4.1 最近邻分类  39-40
    3.4.2 k-近邻分类  40-41
第四章实验结果及数据分析  41-56
  4.1 预处理  41
  4.2 实验素材和实验方法  41-45
  4.3 实验关键代码  45-49
  4.4 实验结果分析  49-56
    4.4.1 ORL数据库  49-51
    4.4.2 YaleA数据库  51-53
    4.4.3 与PCA算法的比较  53-56
第五章总结与改进  56-58
  5.1 全文总结  56-57
  5.2 进一步工作展望  57-58
参考文献  58-63
致谢  63

基于子空间分析的人脸识别算法研究

内容摘要

全文目录

相似论文