基于小波变换的PCA人脸识别方法研究

摘要

基于人体生物特征识别技术的个人身份鉴别系统，由于使用了人体本身所固有的生物特征，是与传统方法完全不同的崭新技术，具有更好的安全性、可靠性和有效性，越来越受到人们的重视，它开始进入社会的各个领域，迎接时代的挑战。 日常生活中，人们识别周围的人用的最多的生物特征是人脸，人脸是人类视觉中最为普遍的模式，人脸所反映的视觉信息在人与人的交流、交往中有着重要的作用和意义。因而人脸识别是一种最容易被接受的身份鉴定方法，成为最有潜力的身份验证手段之一。 该论文首先介绍了计算机人脸识别技术的研究背景和主要方法，然后提出了一种基于小波变换的特征脸人脸识别方法。特征脸人脸识别方法是M.Turk和A.Pentland提出的，直到现在，它仍是最流行的人脸识别算法。该方法具有简单有效的特点，但它对输入的人脸图像的归一化要求较高，其性能容易受到光照和姿态变化的影响。因此，该论文首先采用改进的直方图均衡化技术对人脸图像进行预处理，消除了光照强度差异的影响；然后用小波变换的方法提取人脸图像的相对稳定的低频子带，模糊了人脸表情和姿势的影响，并同时达到了对图像向量降维的效果；进而用主元分析法(PCA)提取特征分量并进行识别。主元分析法根据人脸图像整体的灰度相关性来提取特征向量，所提取出的特征向量保留了原图像空间中的主要分类信息，并能在均方误差最小的意义上重建原图像。该算法与传统的PCA方法相比，大大降低了运算复杂度，所提取的特征更加反映了人脸之间的差异，提高了识别率和抗噪声性能，实验结果表明该文所提出的算法是准确有效的。

目录

原创性声明及关于学位论文使用授权的声明

符号说明

第一章概述

1.1模式识别

1.1.1基本概念

1.1.2模式识别系统

1.1.3模式识别的主要方法

1.2图像、图像处理与图像识别

1.3人脸识别技术的发展及现状

1.3.1生物特征识别技术

1.3.2研究动机及应用价值

1.3.3国内外研究现状

1.3.4人脸识别系统

1.3.5人脸检测与定位方法介绍

1.3.6常用人脸识别方法简介

1.3.7人脸识别主要商业系统简介

1.4本文的研究内容

第二章人脸图像的预处理

2.1引言

2.2人脸图像灰度直方图的修正

2.3直方图均衡化的改进算法及实验

2.4小波变换

2.5小波变换在人脸识别中的应用及实验

2.5.1人脸图像分解

2.5.2几个关键问题的解决方案及实验仿真

2.5.3结论

第三章人脸图像的特征抽取和识别

3.1引言

3.2离散Karhunen-Loeve变换

3.3 K-L展开式的性质及坐标系的产生矩阵

3.4判别信息的提取

3.5基于特征脸方法的人脸识别

3.6 PCA人脸识别算法总结

3.7讨论

第四章实验结果及讨论

4.1引言

4.2人脸库介绍

4.3仿真实验

4.4结果讨论

第五章结论及展望

参考文献

致谢

攻读硕士期间发表的学术论文