基于圖像處理的改進DLDA與LSSVM人臉識別算法研究.pdf

1、人臉識別最終實現的目標是無論在非現實或現實的環(huán)境中都能達到百分之百的識別率，從而實現安全防衛(wèi)系統的要求。隨著人工智能領域的發(fā)展，人臉識別技術仍然存在許多問題，其中包含了在現實環(huán)境中人臉識別對陰影方向、光照方向、精確的人臉方位、面部表情和人的心情等因素的敏感性。這些敏感因素阻礙了人臉識別技術的快速推廣和使用，所以提高在復雜情況下的人臉識別的速率和效率具有重要的研究價值。
　　目前大多數的人臉識別算法都有自己的局限性，本文研究了現有的

2、人臉識別算法，并在此基礎上，針對傳統的人臉識別算法中的缺陷，提出了自己的創(chuàng)新性改進方法。內容如下：
　　第一，為了解決因拍攝時造成的圖像模糊、二維Gabor算法的高維度和LDA算法在求解時存在的小樣本問題，在文中的第四部分研究出了相應的解決辦法即最小二乘方下的改進Gabor與LSSVM的人臉識別法。首先用約束最小二乘方對模糊的圖像進行恢復處理，然后用二維Gabor算法分別從5尺度、8方向進行特征提取，其次利用DLDA把矩陣中多余的

3、數據剔除，最后利用LSSVM分類器把目標人臉圖片識別出來。由仿真數據可得，本方法可以有效的解決上述問題，從而使人臉識別的精準度得到了提高。
　　第二，針對在人臉分類器中BP神經網絡算法具有在訓練時易陷入局部極小值、易震蕩的缺點和人臉面部圖像發(fā)生幾何歪曲的現象。在文中的第五部分研究出了相應的解決辦法即圖片旋轉變換下的改進PCA與LVQ的算法。該方法運用各級輻射模板對發(fā)生歪曲的圖像實行標準化，利用結構簡單、魯棒性強的LVQ神經網絡進行