基于小波變換與KPCA人臉識別技術(shù)研究.pdf

1、人臉識別由于人臉的非剛體性和易變性，成為一個復(fù)雜、涉及面廣且應(yīng)用前景廣闊的課題，近年來掀起研究熱潮并取得突破性進展。前人在人臉識別技術(shù)上雖然積累了豐富的成果，但是也遇到了一些困難。例如：有效人臉特征的提取，識別率和識別速率的提高等。人臉識別涉及的技術(shù)很多，其中關(guān)鍵的是特征提取和分類方法，本文圍繞人臉識別問題對人臉特征的有效提取、提高識別率和識別速率進行了探討和研究，提出了一種基于特征組合的特征提取算法，取得了較好的效果。本文的具體內(nèi)容和

2、創(chuàng)新點包括： (1)對人臉識別所涉及到的理論進行了介紹與研究。 (2)針對人臉在圖像中的大小、位置、旋轉(zhuǎn)角度以及光照等條件的不同對特征提取的影響，本文對人臉圖像進行預(yù)處理。 (3)依據(jù)小波系數(shù)的不同特點：低頻部分刻畫的是圖像的整體(形狀)，而高頻部分包含了相當(dāng)數(shù)量的細節(jié)信息。因此對原始圖像進行三層小波分解，選用一、二、三層的低頻平滑子帶作為小波特征。這樣既保留了面部的全局形狀，又淡化了局部細節(jié)。同時降低了人臉圖像

3、的維數(shù)，提高了識別率識別速度。 (4)針對特征提取在整個人臉識別中的作用，本文對得到的小波特征運用核主成分分析，獲得特征空間上的三組主分量特征。 (5)研究了特征維數(shù)與識別率之間的關(guān)系，指出傳統(tǒng)特征提取方法的不足。并設(shè)計了一種新的基于特征組合的特征提取算法，即對獲得的三組主分量特征進行主特征向量和次特征向量的劃分，再由主特征向量和次特征向量組合為每個原始樣本的最終分類特征向量。最后將得到的最終分類特征向量輸入到分類器進行