基于主元分析和小波变换的人脸识别方法研究与实现

摘要

生物识别技术是二十世纪最为热点的技术，人脸自动识别技术是生物特征识别技术的重要组成部分，在近三十年里得到了广泛的关注和研究，已经成为计算机视觉、模式识别领域的研究热点。身份识别及鉴定是保证系统安全的重要前提，在国家安全、公安、司法、电子商务、电子政务、安全检查、保安监控等应用领域，都需要准确的身份识别及鉴定。人脸识别被一直被认为最易被接受的身份鉴定方法之一。 本文对静止图像的多姿态人脸识别进行了研究，主要内容如下： (1)利用图像处理的方法对图像做最初的处理，尽量使用于识别的照片的干扰因素减少到最少，通过图像处理的方法也可以使图像的特征得到明显的突出而弱化其不具有特征的部分。只有经过处理的图像才可用于识别，识别率的高低在很大程度上也是受图像处理质量的影响。 (2)本文首先使用主成分分析、镜像主成分分析、核主成分分析进行特征提取，用基于欧式距离度量的最近邻分类器和相关性的方法进行识别。这种方法的计算速度快，识别率很好但是对戴眼镜和有胡须的图像效果不理想。 (3)小波变换的方法对人脸图像进行特征提取。在对小波变换后的图像形成模板脸然后计算与模板脸的交叉距离，然后再将距离送入神经元网络进行训练最后用训练好的网络来进行识别。对戴眼镜和有胡须的图像的识别率很高。

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

第一章绪论

1.1生物特征识别技术

1.1.1人体生物特征识别技术简介

1.1.2生物特征识别技术

1.2人脸识别的研究内容

1.2.1人脸识别技术简介

1.2.2常用的人脸检测和识别方法

1.2.3人脸识别研究的难点

1.2.4人脸识别的应用前景

1.3人脸数据库

1.4本文的安排

第二章人脸图像预处理的常用方法

2.1图像增强

2.1.1直方图均衡化

2.1.2图像的锐化

2.2图像的正交变换

2.2.1傅立叶变换

2.3图像边缘检测与提取

2.3.1边缘检测介绍

2.3.2边缘检测的理论基础

2.3.3数字图像的边缘检测

2.4图像处理小结

第三章基于主元分析的人脸识别

3.1主元分析法

3.1.1 PCA的引入与PCA方法的概述

3.1.2基本原理

3.2 PCA应用人脸识别的原理

3.2.1 PCA方法性能评价

3.2.2 PCA系数获取

3.3对称主成分分析

3.3.1原理

3.3.2特征提取与特征选择

3.3.3算法步骤与实验结果

3.4核主元分析

3.4.1特征空间中的PCA

3.4.2特征空间的点积计算

3.4.3核主元分析

3.4.4实验结果

3.6本章小结

第四章小波变换的人脸识别

4.1小波变换介绍

4.2连续小波变换与离散小波变换

4.2.1连续小波变换

4.2.2离散小波变换

4.3二维离散小波变换在特征提取中的应用

4.3.1 L2(R)空间的二维正交小波基和二维正交小波变换

4.3.2离散图像的二维正交小波变换

4.3.3将图像进行特征提取

4.4实验与实验结果分析

4.4.1基于距离方法的识别

4.4.2加入神经元网络的距离识别

4.5小波变换与PCA实验结果分析

4.6本章小结

第五章总结与展望

5.1人脸识别技术总结

5.2人脸识别技术展望

参考文献

致谢