曲波變換在人臉識別中的應(yīng)用.pdf

1、小波分析已經(jīng)在信號處理中取得了廣泛的應(yīng)用,這主要得益于其對信號的時、頻局域分析能力及對一維有界變差函數(shù)類的最優(yōu)逼近性能。但是對于人臉圖像這樣的包含大量奇異曲線的二維圖形,小波分析并不能充分的利用數(shù)據(jù)本身特有的幾何特征(線奇異性、面奇異性)獲取“稀疏”的函數(shù)表示方法。Curvelet變換能夠獲取對二維或高維空間中含奇異曲線或曲面的函數(shù)近乎最“稀疏”的表示。因此,研究Curvelet變換在人臉識別中的應(yīng)用具有很重要的意義。
　　本文首

2、先介紹了小波的多尺度幾何分析、Curvelet變換、人臉識別以及模式識別的基本理論,然后研究了Curvelet變換在人臉識別領(lǐng)域中的兩個方面應(yīng)用。
　　第一、提出了一種基于Curvelet變換和主分量分析的人臉識別算法
　　算法的主要設(shè)計內(nèi)容包括以下3個方面：(1)人臉圖像的輸入及Curvelet變換系數(shù)的提??；(2)使用PCA和LDA進行降維處理；(3)對降維后的系數(shù)進行模式識別,得到人臉識別的識別率。為了研究表情及光照對

3、人臉識別的影響,分別采用了Yale表情人臉庫及Yale_B光照人臉庫,并與小波變換的結(jié)果進行了對比。實驗結(jié)果表明,在表情人臉庫中,Curvelet變換的高頻層的識別性能優(yōu)于小波；在Yale_B光照人臉庫中,Curvelet變換性能與小波相近。
　　第二、提出了一種基于Curvelet變換的拒識率/誤識率的算法
　　首先,設(shè)計了基于Curvelet變換的拒識率／誤識率的算法；其次,選取了Yale及ORL人臉庫分別作為類內(nèi)及類外