基于改进PCA的人脸识别混合算法研究
计算机应用技术， 2011， 硕士
【摘要】 由于每个人的人脸都有其特殊性,人脸识别系统在操作的过程中简单方便且具有无侵害性,使得人脸识别技术成为生物特征识别领域中的重要研究方向,并日益受到各个研究小组以及研究机构的重视。人脸识别技术涉及数字图像处理、模式识别、计算机视觉以及神经网络等多个科研领域,具有重要的研究价值,该技术可以广泛地应用在现实社会中的多个领域(如安全部门、数字监控、证件验证和入口控制等),因此又具备极大的应用价值。本文从基于主成分分析思想的人脸识别方法出发,首先深入分析了PCA算法的基本原理,在PCA算法的基础上设计出改进的PCA算法和改进的PCA+LDA算法。改进的PCA算法是在PCA算法中融合了局部均值和标准差的图像增强处理算法,提高了识别时对人脸光照和表情变化的鲁棒性。针对基于PCA算法的人脸识别方法在对人脸进行特征提取时,提取的是最具描述性的特征,而不是最具鉴别性的特征,设计了基于改进PCA+LDA的人脸识别方法。其次又深入研究了2DPCA算法的基本原理及其优缺点,并在2DPCA算法的基础上设计了基于改进PCA+2DPCA的人脸识别方法,即先利用2DPCA方法对样本图像进行特征提取,得到相应的图像特征矩阵... 更多还原
【Abstract】 As each person’s face has its own peculiarities, it is simple and convenient to operate face recognition system,
and this kind of system is without invasive, making face recognition technology become an important research direction of biometric identification, and attract more and more research groups’and research institutes’ attention on it. Face recognition technology involves digital image processing, pattern recognition, computer vision, neural networks and other research areas, has importan... 更多还原
【关键词】 人脸识别技术； 主成分分析方法； 图像增强算法； 2DPCA方法；
【Key words】 face recognition technology； principal component analysis method； image enhancement algorithm； 2DPCA method； 【索购全文】Q联系Q：138113721 Q联系Q: 139938848付费即发 目录 摘要 3-5 ABSTRACT 5-6 第一章 绪论 9-17
1.1 课题研究背景及意义 9-10 1.2 国内外研究历史与现状 10-12 1.2.1 人脸识别技术的研究历史 10-11 1.2.2 国内外人脸识别的研究现状 11-12 1.3 人脸识别技术的应用 12-14
1.4 课题研究内容 14-15 1.5 论文组织与安排 15-17 第二章 人脸识别技术概述 17-35 2.1 人脸识别过程 17-27 2.1.1 图像获取 17-18 2.1.2 图像预处理 18-21 2.1.3 人脸检测与定位 21-26 2.1.4 特征提取与识别 26-27 2.2 人脸识别技术的研究内容 27-28 2.3 人脸识别技术的优点和难点 28-29 2.4 人脸识别方法 29-35
2.4.1 基于局部特征的人脸识别方法 29-30 2.4.2 基于整体特征的人脸识别方法 30-35 第三章 基于主成分分析的人脸识别 35-53 3.1 基于PCA算法的人脸识别 35-43
3.1.1 PCA算法的基础——K-L变换 35-37 3.1.2 特征向量的计算和选取 37-41 3.1.3 距离函数的选取 41-42 3.1.4 PCA算法的优缺点 42-43 3.2 基于2DPCA算法的人脸识别 43-47 3.2.1 2DPCA算法的基本原理 43-45 3.2.2 2DPCA算法的分类 45-46
3.2.3 2DPCA算法的图像重构 46 3.2.4 2DPCA算法的优缺点 46-47 3.3 改进的PCA算法 47-49
3.4 基于改进PCA+LDA算法的人脸识别 49-51 3.5 基于改进PCA+2DPCA算法的人脸识别 51-53 第四章 实验结果及其分析 53-61 4.1 实验数据库及实验环境 53-54 4.2 实验数据与结果分析 54-61 第五章 总结与展望 61-63 5.1 本文的工作总结 61-62 5.2 展望 62-63 参考文献
人脸识别技术主成分分析方法图像增强算法2DPCA方法硕士论文
