基于小波变换与奇异值分解的人脸识别技术研究

摘要

人脸识别是利用计算机对人脸图像进行处理，提取有效信息进行身份辨认的一门技术。近年来，在模式识别与计算机视觉领域中已受到广泛的重视，成为一个十分活跃的研究方向。在身份验证、银行及海关的监控系统、公安档案管理等很多方面都有着广泛的应用。 本文首先介绍了人脸识别研究的意义及其主要方法和现状，然后介绍了人脸检测的主要方法，并对彩色图像人脸检测做了一些分析。分析和比较了肤色在各色彩空间中的聚类性，然后在所选定的YCbCr色彩空间中建立了肤色模型，针对在皮肤检测中采用限定阈值来确定肤色模型的不准确性，采用非线性色彩变换的方法建立肤色模型来解决这一问题，用VC++6.0编程实现了基于肤色检测的方法，实验证明了此方法对有复杂背景的彩色图像具有较好的检测效果。 其次，介绍与分析了小波变换、奇异值分解及K-L变换等人脸识别技术。 接着，将小波变换与奇异值分解相结合应用于人脸识别，首先将人脸图像进行小波变换，然后采用基于奇异值分解的方法对小波变换后的低频部分进行特征提取，再根据最小距离分类器进行分类，用VC++6.0编程实现了此方法，结果证明了此方法可行。 最后，将奇异值分解引入到特征脸方法计算特征向量中，并对特征脸方法进行了改进，提出了一种基于局部特征脸分析的人脸识别方案。根据人脸的对称性以及上半脸保留了相对稳定的特征在识别时起的作用比下半部分大，分别对人脸的左侧及上侧应用特征脸法，识别时将这两部分的空间距离和为最小的图像确定为所识别的人脸图像。用VC++6.0编程实现了特征脸法与局部特征脸法，并在ORL人脸图像库及Yale人脸图像库上进行实验比较，结果表明了基于局部特征脸方法的可行性，而且优于特征脸法，有较高的识别率。

目录

文摘

英文文摘

声明

1绪论

1.1概述

1.1.1人脸识别的研究意义

1.1.2人脸识别的研究背景和现状

1.1.3人脸识别的研究内容

1.2人脸识别方法

1.3论文的各章安排

2人脸检测方法

2.1人脸检测概述

2.2人脸检测的主要方法

2.3基于肤色的人脸检测方法的技术分析与设计

2.3.1色彩空间介绍与分析

2.3.2肤色模型分析与建立

2.3.3形态滤波

2.4基于肤色的人脸检测方法的实现过程

2.5实验结果

3人脸识别相关技术分析

3.1小波变换

3.1.1小波变换简介

3.1.2小波变换的优点

3.1.3人脸图像的小波压缩

3.2奇异值分解

3.3图像表示

3.4 K-L变换技术

3.5最小距离分类器

3.6几个关于识别率的概念

4基于小波变换与奇异值分解的人脸识别方案设计与实现

4.1基于小波变换与奇异值分解的人脸识别方案设计

4.2基于小波变换与奇异值分解的人脸识别方案的实现过程

4.2.1训练阶段的实现

4.2.2识别阶段的实现

4.3实验结果与结论

4.3.1图像库介绍

4.3.2实验结果与分析

5特征脸方法的改进与实现

5.1特征脸方法分析

5.1.1特征脸法的优点

5.1.2特征脸法的缺点

5.2特征脸方法的改进

5.3改进的特征脸方法的实现过程

5.3.1训练阶段的实现过程

5.3.2识别阶段的实现过程

5.4实验结果与分析

5.5本章小结

6结论

参考文献

在学研究成果

致谢