学位论文 > 优秀研究生学位论文题录展示

基于2DPCA和多分类器融合的人脸识别

作　者: 韩文静
导　师: 李晶；曹茂永
学　校: 山东科技大学
专　业: 模式识别与智能系统
关键词: Hough变换二维主成分分析混合投影函数 BP神经网络多分类器融合
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 59次
引　用: 1次
阅　读: 论文下载

内容摘要

随着信息技术的发展和日益增长的对安全技术的需要,基于生物特征的身份识别技术在近年来有了迅速发展。作为生物特征识别技术之一的人脸识别技术正在兴起,并显示了很大的优越性。在现有的各类生物识别技术中,人脸识别技术具有使用方便、用户接受度较高、具有直观性、不易被他人仿冒、人脸图像易于获得等优点。本文以CVL人脸图像数据库为基础,研究了人脸识别的典型算法,并对某些方法进行了改进,最后实现了一个基本的人脸识别过程,本文的主要工作如下:第一,人脸图像的预处理。主要进行了灰度化、粗切、图像平滑、图像增强及灰度归一化等预处理操作,消除了图像噪声,使图像更清晰。第二,人脸的检测与定位。首先利用垂直灰度投影曲线得到人脸的轮廓图像,再利用基于混合投影函数(HPF)和Hough变换的方法进行眼睛的精确定位,并以眼睛为基准进行人脸图像的校准,包括旋转、剪裁和缩放等,最后图像变为100×100的标准图像。第三,特征的选择和提取。主要研究了主成分分析(PCA)、2DPCA和独立分量分析(ICA)的算法,然后对2DPCA的算法进行了实验验证与分析,并与PCA的方法进行了比较。最后,分类决策。主要研究了最近邻法则、BP神经网络的方法及MCFD的算法,并选择MCFD的算法进行本文的分类器设计。实验结果表明,2DPCA和MCFD相结合的算法能够得到较好的识别结果和较快的识别速度。

全文目录

摘要  5-6
ABSTRACT  6-11
1 绪论  11-19
  1.1 课题的提出  11-12
  1.2 人脸识别的发展现状与技术难点  12-14
  1.3 人脸识别系统的构成  14-15
  1.4 典型的人脸识别方法  15-18
  1.5 本论文的主要工作  18-19
2 图像预处理  19-28
  2.1 引言  19
  2.2 图像平滑  19-22
  2.3 图像增强  22-26
  2.4 灰度归一化  26-27
  2.5 小结  27-28
3 人脸的检测与定位  28-44
  3.1 引言  28
  3.2 人脸检测  28-31
  3.3 典型的人脸定位算法  31-33
  3.4 基于HPF和 Hough变换的眼睛精确定位  33-39
  3.5 人脸图像的校准  39-41
  3.6 实验对比与分析  41-43
  3.7 小结  43-44
4 特征的选择与提取  44-52
  4.1 引言  44
  4.2 典型的特征选择与提取算法  44-48
  4.3 基于 2DPCA的特征提取  48-51
  4.4 小结  51-52
5 分类器的设计  52-66
  5.1 引言  52
  5.2 最近邻法原则  52-55
  5.3 基于BP神经网络的人脸识别  55-60
  5.4 基于多分类器融合算法的人脸识别  60-65
  5.5 小结  65-66
6 主要成果及结论  66-68
  6.1 主要成果  66
  6.2 实验结果与分析  66-68
致谢  68-69
攻读硕士期间主要成果  69-70
参考文献  70-73

基于2DPCA和多分类器融合的人脸识别

内容摘要

全文目录

相似论文