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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著社會(huì)經(jīng)濟(jì)的發(fā)展和計(jì)算機(jī)技術(shù)的進(jìn)步,人們對(duì)個(gè)人驗(yàn)證信息的隱蔽性和安全性的要求日益增高,生物識(shí)別技術(shù)利用人體生物特征來鑒別個(gè)人身份,在安全驗(yàn)證領(lǐng)域的認(rèn)可度極高。其中,人臉識(shí)別技術(shù)以其易于使用、高精度、穩(wěn)定性好、性價(jià)比高、難仿冒的良好性能,具有極其廣闊的應(yīng)用前景。
論文在系統(tǒng)總結(jié)了人臉識(shí)別技術(shù)的研究背景和發(fā)展現(xiàn)狀的基礎(chǔ)上,介紹了人臉識(shí)別基于幾何特征和基于模板的兩類方法,深入分析了圖像預(yù)處理、加權(quán)小波分解、Fisherfaces特
2、征提取算法以及最近鄰、SVM分類器等內(nèi)容,并利用GUIDE開發(fā)平臺(tái)設(shè)計(jì)并完成了人臉識(shí)別系統(tǒng)可視化界面。論文的主要工作圍繞以下幾個(gè)方面進(jìn)行:
(1)在傳統(tǒng)的人臉圖像預(yù)處理中加入白化過程,平滑圖像的能量頻譜,并針對(duì)二值化造成分類信息損失的問題,去除了二值化過程,實(shí)現(xiàn)了圖像質(zhì)量的優(yōu)化。與傳統(tǒng)的只采用變換后低頻分量的二維小波變換方法不同,論文提出了加權(quán)小波分解,即將低頻分量、水平分量和垂直分量進(jìn)行加權(quán)組合,舍棄干擾信息較多的對(duì)角分量,
3、并通過對(duì)比實(shí)驗(yàn)選取了加權(quán)小波分解的最佳小波基、分解層數(shù)和權(quán)系數(shù)組,有效降維的同時(shí)保留了更多利于分類的信息。
(2)采用Fisherfaces方法提取特征,即將PCA算法和LDA算法結(jié)合起來使用,解決了類內(nèi)散布矩陣奇異和PCA算法在降維過程中不利于樣本分類的問題。對(duì)于不同的樣本數(shù),確定了最佳的歸一化尺寸和特征維數(shù)。與傳統(tǒng)的人臉識(shí)別方法相比,論文提出方法的識(shí)別效果有了明顯改善,ORL和YALE庫上的實(shí)驗(yàn)分別取得了98.75%和10
4、0%的識(shí)別率,并且此方法具有對(duì)噪聲良好的魯棒性。
(3)對(duì)最近鄰分類器和SVM進(jìn)行了研究和編程實(shí)現(xiàn)。將改進(jìn)的SVM應(yīng)用于人臉分類,采用Libsvm工具箱,且用網(wǎng)格搜索法代替了傳統(tǒng)的參數(shù)迭代法,大大減小了計(jì)算復(fù)雜度。
(4)按照人臉識(shí)別系統(tǒng)流程圖,利用MATLAB提供的GUIDE開發(fā)平臺(tái)設(shè)計(jì)并完成了簡(jiǎn)單的人臉識(shí)別系統(tǒng)界面,對(duì)ORL、YALE兩類庫以及最近鄰、SVM兩類分類器都可以適用,并實(shí)現(xiàn)了圖像預(yù)處理,加權(quán)小波分解,
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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于加權(quán)小波分解的人臉識(shí)別算法研究.pdf
- 基于加權(quán)小波分解的人臉識(shí)別的人臉識(shí)別算法研究.pdf
- 基于fisherfaces的人臉識(shí)別算法實(shí)現(xiàn)
- 基于小波分析小域特征融合的人臉識(shí)別算法研究.pdf
- 基于小波分解和優(yōu)選VLBP特征的人臉表情識(shí)別方法研究.pdf
- 軟件工程畢業(yè)論文-基于fisherfaces的人臉識(shí)別算法實(shí)現(xiàn)
- 基于加權(quán)鑒別張量準(zhǔn)則的人臉識(shí)別算法研究.pdf
- 基于多特征加權(quán)集成的人臉識(shí)別算法.pdf
- 基于小波包的人臉識(shí)別算法.pdf
- 基于小波分析和主成分分析的人臉識(shí)別研究.pdf
- 基于雙中心羽化加權(quán)WPCA的人臉識(shí)別算法研究.pdf
- 基于Gabor小波和SVM的人臉識(shí)別算法研究.pdf
- 基于小波和Fisher臉的人臉識(shí)別算法研究.pdf
- 基于非負(fù)張量分解的人臉識(shí)別算法研究.pdf
- 基于非負(fù)矩陣分解和稀疏表示的人臉識(shí)別算法研究.pdf
- 基于對(duì)稱非負(fù)矩陣分解的人臉識(shí)別算法研究.pdf
- 基于Gabor和Adaboost的人臉識(shí)別算法研究.pdf
- 基于PCA和RBFNN的人臉識(shí)別算法研究.pdf
- 基于小波分析與核方法的人臉識(shí)別方法研究.pdf
- 奇異值分解的人臉識(shí)別算法.pdf
評(píng)論
0/150
提交評(píng)論