基于環(huán)形對稱Gabor變換子空間的人臉識別.pdf_第1頁
已閱讀1頁,還剩60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,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、人臉所反映的視覺信息在辨別身份和傳遞情感方面起著重要的作用,這一特殊性使得人臉識別研究具有很高的應用價值,人臉識別技術也逐漸成為最重要的生物特征識別技術之一,日益受到研究者們的關注;但同時,人臉是由復雜的三維曲面構成的同一變形體,難以用數學描述,而且所有的人臉結構具有高度相似性,人臉圖像又容易受年齡、光照、環(huán)境等因素的影響,故人臉識別又是一個復雜和困難的課題。 特征提取是人臉識別系統中的重要部分,也是人臉識別研究的關鍵內容,本文

2、對此進行重點討論。首先對人臉圖像進行某種變換,然后在變換域運用子空間方法提取分類特征進行人臉識別。本文遵循這一特征提取思路,進行了相關研究,主要內容如下: (1)引入了環(huán)形對稱Gabor變換 我們首先研究了現有的基于Gabor變換特征的人臉識別方法,分析了基于彈性圖匹配的特征提取方法以及基于Gabor特征判別分類法的人臉識別方法。在此基礎上,我們引入了環(huán)形對稱Gabor變換,對環(huán)形對稱Gabor變換的定義、概念和性質進行了

3、比較全面的分析和討論,并且與傳統的Gabor變換進行了對比分析,發(fā)現環(huán)形對稱Gabor變換比傳統Gabor變換在變換的旋轉不變性和減小的數據冗余性方面具有明顯的優(yōu)勢。 (2)引入了加權PCA方法并提出了修正的最大間距準則 我們首先通過深入研究主成份分析方法,分析了不同的特征分量對于分類的作用不同,然后引入了加權主成份分析方法。在加權的主成份分析中,采用歐氏距離測度進行分類,等價于在傳統主成份分析空間中采用馬氏距離測度進行分

4、類。這就從理論上給出了通過加權能夠提高識別性能的原因。 在介紹了線性判別分析方法和最大間距準則方法的基礎上,提出一種修正的最大間距準則(MMMC)特征提取方法,它對MMC方法中的類間散度矩陣和類內散度矩陣進行了重新定義,通過實驗驗證了這種新的特征提取方法具有較好的穩(wěn)定性和有效性。 (3)提出了采用環(huán)形對稱Gabor變換和子空間方法的人臉識別方法 對環(huán)形對稱Gabor變換特征在人臉識別中的應用進行了深入研究,在此基礎

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,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,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