学位论文 > 优秀研究生学位论文题录展示

基于第二代曲波变换结合改进子空间技术的人脸识别技术研究

作　者: 时培培
导　师: 李学斌
学　校: 北京化工大学
专　业: 计算机应用技术
关键词: 人脸识别第二代曲波变换改进二维主成分分析核主成分分析人脸特征融合噪声人脸识别
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 61次
引　用: 1次
阅　读: 论文下载

内容摘要

近年来，随着当今社会对国际反恐、安防、人机交互等问题的关注度不断提高，具有非侵犯性、简便性、非接触性等优点的人脸识别技术受到广泛关注。人脸识别算法的关键技术是提取稳定、唯一、可区分的人脸特征，近年来，使用变换域提取人脸特征的方法受到越来越多的关注，而小波变换只能稀疏表示奇异点，分解二维图像得到的高频成分只具有有限的方向，无法最优表示二维图像的奇异曲线，而第二代曲波变换（SecondGeneration of Curvelet Transform，SGCT）具有对奇异曲线的敏感性而活跃于图像融合与去噪等领域，由于人脸图像由奇异曲线构成，因此本文基于SGCT提取人脸特征，使用其提取到的精细尺度成分中包含的丰富的方向信息，进行人脸特征融合与人脸图像去噪、识别，增强对人脸图像表情变化和光照变化的鲁棒性。经过SGCT提取的人脸特征仍然具有较高的维数，直接将其用于分类识别，将提高算法计算成本，而由于子空间技术具有存储空间小、计算成本低、可分类性强等特点，在数据降维技术中受到关注，本文采用主成分分析（Principle Component Analysis, PCA）、二维主成分分析（TwoDimension Principle Component Analysis, TDPCA）、改进TDPCA，以及核主成分分析(Kernal Principle Component Analysis, KPCA)对经由SGCT获得的人脸特征进行降维。本文有机结合SGCT与子空间技术两者的优点，设计了用SGCT提取人脸图像特征并结合改进子空间技术进行人脸识别的混合方法。基于SGCT与KPCA结合算法，研究其对人脸图像表情变化和光照变化的鲁棒性能；基于SGCT提取多尺度、多方向的人脸特征的特性，设计了融合粗尺度人脸特征与具有高识别率的细尺度人脸特征，同时结合改进子空间技术进行人脸识别的算法；基于SGCT提取的人脸特征具有丰富方向性的特性，设计了噪声人脸图像去噪结合KPCA进行人脸识别的算法；对比研究SGCT结合不同的子空间技术在人脸识别性能方面的异同。基于国际通用人脸数据库，仿真实现设计的算法，并分析比较算法性能，仿真实验表明，本文设计的算法与小波变换相比，能够增强人脸图像的表情变化和光照变化的鲁棒性，同时在人脸正确识别率方面具有更好的性能。

全文目录

摘要  4-6
ABSTRACT  6-15
第一章绪论  15-21
  1.1 论文研究目的  15
  1.2 人脸识别相关技术及研究现状  15-18
    1.2.1 人脸识别相关技术  15-17
    1.2.2 国内外人脸识别研究现状  17-18
  1.3 权威人脸数据库  18
  1.4 论文结构  18-21
第二章第二代曲波变换理论及实现  21-33
  2.1 引言  21
  2.2 小波变换  21-22
  2.3 第一代曲波变换理论  22-24
  2.4 第二代曲波变换理论  24-29
    2.4.1 第二代连续曲波变换理论  24-26
    2.4.2 第二代离散曲波变换理论  26-28
    2.4.3 第二代曲波变换系数  28-29
  2.5 第二代曲波变换的实现  29-31
    2.5.1 第二代曲波变换的实现方法  29-30
    2.5.2 第二代曲波变换算法仿真  30-31
  2.6 本章小结  31-33
第三章改进子空间技术理论及实现  33-45
  3.1 引言  33
  3.2 主成分分析理论  33-37
    3.2.1 K-L 变换  33-35
    3.2.2 主成分分析  35-37
  3.3 改进主成分分析  37-39
    3.3.1 二维主成分分析  37-38
    3.3.2 改进二维主成分分析  38-39
  3.4 核投影分析  39-41
    3.4.1 核函数  39-40
    3.4.2 核主成分分析  40-41
  3.5 分类器  41
  3.6 改进子空间技术算法仿真  41-43
  3.7 本章小结  43-45
第四章基于第二代曲波变换结合改进子空间技术的人脸识别技术  45-55
  4.1 引言  45
  4.2 基于第二代曲波变换提取人脸特征  45-49
    4.2.1 基于第二代曲波变换的人脸图像分解  45-47
    4.2.2 基于第二代曲波变换的人脸特征融合  47-49
  4.3 基于第二代曲波变换的人脸图像去噪  49-51
  4.4 基于第二代曲波变换结合子空间技术的人脸识别技术  51-53
    4.4.1 基于第二代曲波变换的人脸表情、光照鲁棒性分析  51
    4.4.2 基于第二代曲波变换结合改进子空间技术的人脸识别技术  51-52
    4.4.3 基于第二代曲波变换的噪声人脸识别  52-53
  4.5 本章小结  53-55
第五章实验与结论  55-67
  5.1 引言  55
  5.2 基于第二代曲波变换的人脸表情、光照鲁棒性分析  55-58
    5.2.1 基于第二代曲波变换的人脸表情鲁棒性分析  55-57
    5.2.2 基于第二代曲波变换的人脸光照鲁棒性分析  57-58
  5.3 基于第二代曲波变换结合改进子空间技术的算法仿真与分析  58-62
  5.4 基于第二代曲波变换的噪声人脸识别算法仿真与分析  62-66
  5.5 结论  66-67
第六章总结与展望  67-71
  6.1 总结  67-68
  6.2 进一步研究方向  68-71
参考文献  71-75
致谢  75-76
研究成果及发表的学术论文  76-77
作者和导师简介  77-78
附件  78-79

基于第二代曲波变换结合改进子空间技术的人脸识别技术研究

内容摘要

全文目录

相似论文