基于Gabor變換和LBP相結(jié)合的人臉識別算法的研究.pdf_第1頁
已閱讀1頁,還剩66頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、目前,在人臉識別領(lǐng)域,研究重點為圖像的分類方法和特征提取算法,其中后者最為關(guān)鍵,對人臉識別的最終效果起到?jīng)Q定性作用。Gabor變換不僅具有驚人地相似于人類的視網(wǎng)膜細(xì)胞的接受場模型,可獲得頻率和時間的最小不確定性,并且對外界干擾如光照、姿態(tài)、表情等變化的魯棒性較強。然而,以 Gabor變換為基礎(chǔ)的傳統(tǒng)人臉特征提取方法,首先通過卷積人臉圖像和 Gabor的多方向與多尺度核函數(shù),然后級聯(lián)與下采樣后取得Gabor人臉特征。通過此種方法,會得到較

2、高的維數(shù),在識別時需要花費大量的時間,并且不具有旋轉(zhuǎn)不變性,當(dāng)人臉圖像在平面旋轉(zhuǎn)時,識別性能下降;局部二值模式(LBP)是對紋理進行分析的算子,由于具有簡單的算法,計算過程并非過于復(fù)雜,較強的辨別能力等諸多優(yōu)點,近些年來被人們廣泛研究并使用,LBP算子具備較強的灰度不變和旋轉(zhuǎn)不變的特性,可以降低旋轉(zhuǎn)移位和光照不均的影響。
  基于Gabor的上述問題,本文采用Gabor小波和LBP相結(jié)合的特征提取方法,對人臉識別進行了研究,提出了

3、均勻模式LBP算法。為進一步提高人臉特征提取的準(zhǔn)確性和實際運用的靈活性,本文對Gabor小波和 LBP提取的人臉特征進行優(yōu)化選擇和融合,提出了改進算法:即2D-Gabor小波和均勻模式LBP相結(jié)合的特征提取算法。本文算法有效提高了識別率和減少了數(shù)據(jù)冗余,并且靈活適用于常用的人臉庫,有效地實現(xiàn)了人臉識別。本文的主要研究成果包含以下幾個部分:
  1.首先,對人臉識別技術(shù)的研究背景和意義進行了介紹。然后,介紹了現(xiàn)有的國內(nèi)外人臉識別算法

4、,指出了其中的不足之處以及亟待解決的問題。最后,研究提出本文新算法,對本文結(jié)構(gòu)安排和主要內(nèi)容進行了介紹。
  2.對常用人臉識別系統(tǒng)進行了詳細(xì)介紹,包括預(yù)處理等內(nèi)容;介紹了較為典型的的人臉識別技術(shù):以PCA為基礎(chǔ)的人臉識別,并對人臉識別算法進行了實驗仿真。詳細(xì)介紹了 Gabor變換。包括:濾波器組參數(shù)選擇等方面;對以2D-Gabor為基礎(chǔ)的人臉特征提取算法做出簡要介紹;介紹了局部二值模式(LBP)。包括:LBP算子介紹、均勻模式L

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論