基于加權(quán)小波分解的人臉識別的人臉識別算法研究.pdf

1、目前，個人身份認(rèn)證手段如密碼和ID卡等，都是基于“Whatheremembers”或者“Whathepossesses”的簡單身份鑒證，離真正意義上的身份鑒證“Whoheis”還很遙遠(yuǎn)。這些傳統(tǒng)認(rèn)證手段都存在著各種問題，其中最明顯的缺陷就是其相關(guān)認(rèn)證信息容易丟失、易破解和偽造，安全可靠度較低，這些都對應(yīng)用和推廣帶來了諸多不便。因此，以生物特征識別為主體的身份認(rèn)證手段成為首選的研究對象。而與指紋、虹膜、語言等生物特征識別方法相比，人臉識別

2、方法具有方便直觀、用戶接受認(rèn)可度高、不易仿冒等優(yōu)勢，故被廣泛采用。
　　 PCA是人臉識別中被廣泛使用的一種算法，它具有實(shí)現(xiàn)簡單、正面圖像識別率高等優(yōu)點(diǎn)。但傳統(tǒng)的PCA算法計(jì)算量過大，且在光照、表情等因素變化較大時，識別效果不是很好。小波變換應(yīng)用到人臉識別中，主要利用小波的分解和重構(gòu)算法來提取人臉圖像信息、降低數(shù)據(jù)維數(shù)、濾除噪聲。同時小波變換對光照、圖像大小縮放、旋轉(zhuǎn)及平移具有一定程度的不敏感性，可以降低預(yù)處理后的人臉圖像對后續(xù)

3、PCA算法的影響。小波變換能有效地將圖像分解成高頻和低頻信息，但在人臉識別中通常都是舍棄能量較少且含噪聲較多的高頻子帶，僅用低頻子帶來進(jìn)行后續(xù)處理，人臉圖像的信息利用并不完全?；谝陨显?，本文首先對小波二級分解后的低、高頻子分量進(jìn)行加權(quán)融合，以便充分利用人臉的細(xì)節(jié)信息。然后，對PCA前三個最大主分量賦予一個新權(quán)值，來彌補(bǔ)傳統(tǒng)PCA算法對光照、表情變化敏感的缺點(diǎn)。最后，在ORL人臉庫和經(jīng)過光照處理后的ORL人臉庫中通過Matlab編程實(shí)

4、現(xiàn)來研究加權(quán)二級小波變換對PCA算法的影響及改進(jìn)PCA算法。實(shí)驗(yàn)結(jié)果表明加權(quán)二級小波變換和改進(jìn)PCA算法相比于傳統(tǒng)PCA算法在識別率和訓(xùn)練時間方面都得到了明顯的改進(jìn)。另外本文還研究了2DPCA算法，并將對PCA算法改進(jìn)的方法應(yīng)用到2DPCA算法中，實(shí)驗(yàn)證明2DPCA算法在人臉識別率和訓(xùn)練時間上優(yōu)于PCA算法，改進(jìn)方法同樣也適合于2DPCA算法。最后利用MATLAB提供的圖像用戶界面開發(fā)環(huán)境(GUIDE)設(shè)計(jì)一個簡單的可視化人臉識別界面。