基于小波子图与决策融合的人脸识别

摘要

用小波对人脸图象进行适当层数的分解,不仅大大加快了图象的后续处理的速度,而且实验证明可一定程度地提高识别率.但是现在大多数算法只利用了小波分解后的最低频子图的信息,然而实际上小波分解后的其它子图也含有识别的信息,也可以利用其它子图来进行辅助识别.因此,该文提出了一种基于小波子图和决策融合的人脸识别算法.利用小波分解后的多个子图分别进行识别,对得到的识别结果再用一种融合方法进行融合,产生最后的识别结果.理论和实验均证明了该方案的有效性.识别率比不用小波分解或用单独一个小波子图有了较大的改进.

目录

文摘

英文文摘

第一章绪论

1.1人脸识别的应用

1.2人脸识别的发展

1.3人脸识别的技术与研究内容

1.3.1人脸检测

1.3.2特征抽取

1.3.3识别方法

1.4小波变换在人脸识别中的应用

1.5本文研究的工作概述

1.6本文的内容安排

第二章人脸图像的预处理

2.1引言

2.2去噪

2.2.1中值滤波介绍

2.2.2快速中值滤波算法

2.2.3实验结果

2.2.4小结

2.3归一化

2.3.1大小归一化

2.3.2灰度归一化

2.3.3位置归一化

2.4镜像与旋转

2.5本章小结

第三章常用基于代数特征的人脸识别算法

3.1引言

3.2空间模式匹配算法

3.3基于KL变换的特征脸算法

3.3.1基于KL变换的代数特征提取

3.3.2分类器的设计

3.3.3实验结果

3.3.4实验分析

3.4基于小波变换和傅立叶变换的频谱脸

3.4.1频谱脸算法介绍

3.4.2实验结果

3.4.3实验分析

3.5其它算法

3.5.1基于APEX神经网络的特征提取算法

3.5.2基于奇异值的识别算法

3.6有关实验的几点说明

3.7本章小结

第四章小波变换在人脸识别中的应用

4.1小波变换的介绍

4.1.1引言

4.1.2连续小波变换

4.1.3离散小波变换

4.1.4 Mailat快速算法

4.2小波变换在人脸识别中的应用

4.2.1引言

4.2.2几个关键问题

4.3小波基的选择

4.3.1引言

4.3.2实验比较

4.3.3实验分析

4.4小波分解层数的确定

4.4.1引言

4.4.2实验比较

4.4.3实验分析

4.5小波子图的确定

4.5.1基于各子图的识别

4.5.2结论

4.6本章小结

第五章基于小波子图与决策融合的人脸识别

5.1引言

5.2基于小波子图与决策融合的人脸识别

5.2.1算法描述

5.2.2决策融合算法

5.2.4实验结果

5.3各种算法比较

5.3.1算法的复杂度比较

5.3.2算法的识别率比较

5.3.3算法的识别速度比较

5.4结论以及存在的问题

5.5本章小结

第六章图象处理算法C++实现的关键

6.1引l言

6.2图象处理框架的设计

6.2.1软件框架的介绍

6.2.2框架的应用

6.3图象矩阵类的设计

6.3.1矩阵类的介绍

6.3.2矩阵类在人脸识别算法中的应用

6.3.3总结

6.4本章小结

结束语

致谢

参考文献

附录一相关网络资源

附录二作者在攻读硕士期间完成的论文