人臉識別中圖像預處理的研究.pdf

1、人臉識別技術是模式識別與人工智能的研究熱點之一。在生物特征識別中,人臉識別占有極為重要的地位。它在訪問控制、司法應用、電子商務和視頻監(jiān)控等領域擁有十分廣泛的應用。作為一個系統(tǒng),人臉識別自動識別系統(tǒng)分為三個部分,即預處理、特征提取和分類。但隨具體的應用也有所不同,預處理的方法和難度也各有千秋。
　　 本論文的研究是在已檢測出人臉并手動標定眼睛坐標的條件下進行的。首先探討了人臉圖像的歸一化處理,特征提取方法中,主分量分析(PCA)是

2、一種常用的方法,我們用幾個標準人臉庫(包括ORL,Yale等人臉庫)做實驗取得了較好的效果。在這個基礎上,我們研究了用類均值的識別性能,無論是數(shù)值計算還是識別性能,都具有較好的穩(wěn)定性。
　　 其次。我們研究了特征提取的部分方法,線性判別分析(LDA)是基于數(shù)據(jù)分類的人臉識別的方法,它尋找使類間距離最大,類內(nèi)距離最小的投影方向,最大程度的保留有利于分類的信息。核主分量分析(KPCA)是在傳統(tǒng)的PCA基礎上引進核函數(shù)的概念,將數(shù)據(jù)映

3、射到高維空間進行樣本的分類,原本在低維空間的非線性問題轉(zhuǎn)變?yōu)樵诟呔S空間中線性可分的問題。在運用線性判別分析的時候,往往遇到“小樣本”問題,從而造成類內(nèi)離散度矩陣是一個奇異矩陣的情況。就需要降低圖像的維數(shù)。我們分析插值原理的基礎上,提出了插值降維的思想,并經(jīng)過試驗得出比傳統(tǒng)的PCA還要好的結(jié)果。
　　 最后,介紹了一些傳統(tǒng)的圖像增強方法——基于空域和頻域,包括灰度變換.直方圖修整法,非線性變換和頻域濾波等.同樣也介紹了一種改進了的