基于多统计特征和多分类器相结合的人脸识别研究

摘要

人脸识别技术是指应用计算机实现人脸的自动识别的技术，是当前模式识别和计算机视觉领域的一个研究热点。人脸识别涉及的技术很多，其中关键的是特征提取和分类方法。本文以此为重点进行了相关的研究，提出了基于小波变换的多特征和多分类器相结合的人脸识别方法，主要内容如下： 在预处理阶段，完成对人脸原始图像的小波分解，取出低频图像。由于人脸的表情变化和少许遮掩只影响图像中的高频部分的变化，这样人脸图像的低频部分就在有表情变化的情况下仍然比较稳定，可以利用小波变换取出入脸的低频图像，图像的数据量也有了很大的减少，并且小波变换本身运算速度很快，在保证识别效果的前提下，可以较大地降低计算复杂度、提高运算速度。 在特征提取阶段，不仅求取了小波变换后得到的低频图像的特征脸特征，奇异值特征和局部自相关特征的LAD特征，而且还构建了混合特征。 在分类判别阶段，利用不同的分类器对各特征进行分类，估计出对应不同特征的后验概率，再进行线性组合得到总的后验概率。在分类时还考虑了多步分类法，先计算测试样本与各训练样本的各种特征间的各种匹配度，再把它们转换成后验概率，然后利用Bayes规则进行最后分类。最后，通过若干实验利用ORL人脸图像库验证此方法，并取得了满意的识别效果。

目录

文摘

英文文摘

声明

第一章绪论

1.1引言

1.2课题的研究背景和意义

1.3人脸识别系统

1.4人脸识别技术的发展

1.5人脸识别技术的研究现状

1.6人脸识别技术的研究难点

1.7本论文的内容安排

第二章基于统计的三种人脸识别方法

2.1引言

2.2特征脸法

2.3线性鉴别分析方法

2.4奇异值分解方法

2.5小结

第三章分类器的设计

3.1引言

3.2贝叶斯分类器

3.3最小距离分类器

3.4最大相关分类器

3.5最近邻特征线分类器（简称NFL）

第四章基于小波变换的多特征和多分类器结合的人脸识别算法及结果分析

4.1引言

4.2算法

4.3分类

4.4实验与分析

4.5 小结

第五章总结与展望

5.1工作总结

5.2展望

参考文献

致谢