人臉識別算法的研究及實現(xiàn).pdf

1、人臉識別技術(shù)起源于20世紀初，它在圖像處理，機器視覺和模式識別領(lǐng)域始終都是熱門的研究課題。人臉識別作為模式識別領(lǐng)域的一個重要分支，在實際應(yīng)用中如公安偵查、銀行取款、電腦登陸、手機通訊、公司門禁等方面有著舉足輕重的作用，它又涉及多分類問題，因此在學術(shù)領(lǐng)域中發(fā)展前景較好。本文在闡述人臉識別，曲波變換，子空間技術(shù)和支持向量機的相關(guān)理論和方法的基礎(chǔ)上，有機結(jié)合各個算法的優(yōu)點，對人臉識別技術(shù)展開研究。論文的研究內(nèi)容和創(chuàng)新點如下：
　　1、針

2、對采集到的人臉圖像受光照、姿態(tài)、面部遮擋、表情變化等因素的影響，本文對人臉圖像采取了預處理手段，包括灰度變換、直方圖均衡化、中值濾波，圖像歸一化等，并進行精確的人眼定位，提取出人臉的有效區(qū)域。
　　2、針對PCA算法不能處理圖像數(shù)據(jù)中的非線性特征問題，經(jīng)過分析研究，提出了核主成成分分析(KPCA)算法。KPCA算法通過內(nèi)部非線性核函數(shù)作用，能很好的提取人臉的輪廓，曲線細節(jié)信息。支持向量機(SVM)對小樣本的分類能力比較強，適用于處

3、理非線性和高維度特征向量，把KPCA和SVM這兩個算法共同用在人臉識別之中。對人臉圖像進行曲波變換，首先運用KPCA算法對低頻系數(shù)進行特征提取，得到維數(shù)較低的向量。在人臉識別中，選用支持向量機(SVM)算法，其中采用“one-vs-one”判別策略，進行分類識別。
　　3、針對傳統(tǒng)的曲波分解算法不能充分利用其細尺度成分信息，經(jīng)過分析研究，提出了數(shù)據(jù)融合算法。數(shù)據(jù)融合算法能夠?qū)D像經(jīng)曲波分解后的各尺度成分信息按照一定比例融合起來，充