频域分析技术和基于统计不相关的Fisherface方法的研究

摘要

生物特征识别技术是一项利用人类特有的生理或行为特征来进行身份识别的技术，它提供了一种可靠、稳定性高的身份鉴别途径。时—频分析工具和线性判别方法是人们关注的两个生物特征识别分支。本文重点研究了小波变换和分数傅立叶变换的时—频分析工具和生物特征的线性判别方法，主要工作及贡献如下：
　　(1)介绍了小波变换和分数傅立叶变换的理论及其在生物特征识别的应用。同时针对分数傅立叶变换进行了改进，设计了基于FFT的近似分数傅立叶快速算法，通过理论及在人脸和掌纹库上的实验表明，其计算速度比按照定义计算的算法有较大提高，减少了分数傅立叶变换的计算量。
　　(2)针对线性判别方法中典型的小样本集问题，通过研究Fisherface方法和基于统计不相关的最佳判别向量方法（UODV）；针对其缺点，提出了基于统计不相关的Fisherface方法（UFA）。并从数学上证明了UODV和Fisher方法的关系。在试验中小样本集的情况下，通过ORL人脸库以及Palm掌纹库的实验表明，UFA方法的识别率比Fisherface方法和UODV方法要高；时间耗费上也比UODV方法少。
　　(3)针对在特征向量提取中，没有一个专门的特征选择方法来即保证识别率又减少特征的维度，提出了一种选择标准。实验表明在识别率不变的基础上，一定程度上减少了特征向量的个数。

目录

频域分析技术和基于统计不相关的Fisherface方法的研究

频域分析技术和基于统计不相关的Fisherface方法的研究

RESEARCH ON THE FREQUENCY ANALYSIS AND THE UNCORRELATED FISHERFACE APPORACH

摘要

Abstract

第1章 绪论

1.1 课题背景

1.2 研究现状

1.3 本文工作

1.4 本文结构

第2章 时频域分析工具的研究

2.1 引言

2.2 小波变换的基本概念

2.3 分数傅立叶变化的基本概念

2.4 快速分数傅立叶近似算法

2.5 本章小结

第3章 基于统计不相关的Fisherface方法（UFA）

3.1 引言

3.2 基本概念

3.3 Fisherface方法

3.4 最佳判别平面

3.5 基于统计不相关的最优判别向量方法(UODV)

3.6 本章小结

第4章 快速分数傅立叶近似算法的研究

4.1 引言

4.2 快速分数傅立叶近似算法的改进

4.3 改进算法同其他算法的实验比较

4.4 本章小结

第5章 基于统计不相关的Fisherface方法（UFA）

5.1 引言

5.2 改进的统计不相关的判别向量

5.3 有关特征向量的选择的方法改进

5.4 实验比较

5.5 本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢