基于小波變換與KPCA人臉識(shí)別技術(shù)研究.pdf

1、人臉識(shí)別由于人臉的非剛體性和易變性，成為一個(gè)復(fù)雜、涉及面廣且應(yīng)用前景廣闊的課題，近年來(lái)掀起研究熱潮并取得突破性進(jìn)展。前人在人臉識(shí)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(shí)別率和識(shí)別速率的提高等。人臉識(shí)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(shí)別問(wèn)題對(duì)人臉特征的有效提取、提高識(shí)別率和識(shí)別速率進(jìn)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(diǎn)包括： (1)對(duì)人臉識(shí)別所涉及到的理論進(jìn)行了介紹與研究。 (2)針對(duì)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(duì)特征提取的影響，本文對(duì)人臉圖像進(jìn)行預(yù)處理。 (3)依據(jù)小波系數(shù)的不同特點(diǎn)：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(xì)節(jié)信息。因此對(duì)原始圖像進(jìn)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(xì)節(jié)。同時(shí)降低了人臉圖像

3、的維數(shù)，提高了識(shí)別率識(shí)別速度。 (4)針對(duì)特征提取在整個(gè)人臉識(shí)別中的作用，本文對(duì)得到的小波特征運(yùn)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(shí)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(jì)了一種新的基于特征組合的特征提取算法，即對(duì)獲得的三組主分量特征進(jìn)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(gè)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(jìn)行