基于模糊RBF神經(jīng)網(wǎng)絡的人臉識別系統(tǒng)研究.pdf_第1頁
已閱讀1頁,還剩42頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、人臉識別是一個典型的圖像模式分析、理解與分類計算問題,涉及到模式識別,計算機視覺,人機交互,統(tǒng)計學習,認知科學等多個學科,是模式識別領域研究的熱點和難點之一。同時,作為一種生物特征識別關鍵技術,AFR技術在身份認證、智能監(jiān)控、信息安全、金融等領域具有潛在而廣大的應用前景。然而,非理想條件下的人臉識別技術仍然是一個極具挑戰(zhàn)性的課題,要開發(fā)出魯棒和實用性強的AFR系統(tǒng)還需要解決大量的關鍵問題。
   本文概括地分析了國內(nèi)外在人臉識別

2、方面的研究歷史和現(xiàn)狀,闡述了人臉圖像預處理的主要算法,研究了幾種目前流行的人臉特征提取算法及其改進,探索了基于模糊RBF神經(jīng)網(wǎng)絡的人臉圖像識別系統(tǒng)的設計與實現(xiàn)。
   本文主要工作如下:
   1、對人臉圖像進行基于分塊的離散余弦變換(Divided Discrete Cosine Transform,DDCT)。首先對人臉進行分割,對分割出的各圖像塊進行DCT變換,然后提取DCT(Discrete Cosine Tra

3、nsform)系數(shù)的低頻分量和高頻分量構造出每塊人臉的DCT特征矩陣。
   2、利用奇異值分解閾值壓縮(Singular Value Decomposition Threshold Compression,TCSVD)方法對DCT特征矩陣進行奇異值分解與壓縮降維。由于分割圖像的DCT低頻分量含有大量由于遮擋、光照及表情變化等因素引起的冗余信息,有必要對圖像的奇異值進行壓縮降維,然后對這些奇異值特征進行組合,構造出最終的人臉組合

4、鑒別特征。
   3、設計一種基于模糊RBF神經(jīng)網(wǎng)絡的人臉圖像分類器。由于RBF網(wǎng)絡與模糊推理過程具有函數(shù)等價性,可以將兩種不同構造的系統(tǒng)在函數(shù)上統(tǒng)一起來,使網(wǎng)絡的參數(shù)和運算具有明確的含義。我們將RBF網(wǎng)絡中的模式聚類中心數(shù)和模糊規(guī)則數(shù)對應起來,構造網(wǎng)絡的環(huán)境參數(shù)使網(wǎng)絡具有模糊推理和分類能力。
   4、訓練模糊RBF神經(jīng)網(wǎng)絡。模糊RBF神經(jīng)網(wǎng)絡一般采用BP算法進行學習,收斂速度慢,提出了一種改進的Levenberg-M

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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)容負責。
  • 6. 下載文件中如有侵權或不適當內(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確性、安全性和完整性, 同時也不承擔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