学位论文 > 优秀研究生学位论文题录展示

彩色人脸图像特征提取算法研究

作　者: 吴楠
导　师: 王宝珠
学　校: 河北工业大学
专　业: 通信与信息系统
关键词: 特征提取预处理主成分分析(PCA) 线性鉴别分析(LDA) ICA FastICA
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 78次
引　用: 0次
阅　读: 论文下载

内容摘要

人脸识别这一研究热点已经成为计算机视觉领域中的核心问题,而特征提取与识别紧密相连,人脸识别系统性能的好坏直接取决于特征提取算法的优劣。论文针对人脸识别与特征提取的相关理论做了大量分析研究,主要研究工作如下:首先,对彩色人脸图像的预处理系统进行了研究,包括:对4种常用的色彩空间进行了研究,实验比较分析RGB和中人脸图像各分量特征特点,得出分量更适合人脸识别特征提取;针对彩色图像进行灰度处理,分析比较三种灰度化方法的优劣;为突出人脸细节,进一步对灰度图像进行灰度变换;此外对噪声干扰的图像进行去噪处理,在采用中值滤波基础上进行矢量中值滤波方法改进,既能实现灰度图像的滤波又能完成彩色图像的去噪。Ycb cr Ycb cr其次,研究人脸图像的特征提取算法:(1)实现经典的基于PCA的人脸识别算法,并在此基础上进行了改进,直接求解二维图像的协方差矩阵,避免了一维数据较复杂的计算,充分利用样本类别的差异,使特征值与特征向量的求解过程得到简化,比较不同特征维数的特征脸,达到了更好的降维效果;(2)研究线性判别分析方法,对基础算法进行改进,从对人脸图像进行一维变换到直接二维进行处理,对其做LDA变换得到最佳分类的特征,采用基于欧式距离的最近邻分类器进行分类,与基础算法相比,大大提高了正确识别率,识别率能够达到95%。(3)对基于核的非线性人脸识别算法深入研究,分别采用多项式核函数和高斯核函数进行非线性映射,结合PCA算法,在不同的人脸库上仿真实验,同时将几种线性与非线性方法的识别结果进行对比分析,结果表明非线性识别方法具有较好的鲁棒性,更能满足实际需求。最后,重点针对ICA算法进行研究改进,将基于信息论中最大熵的判别准则应用到FastICA中去,其收敛速度更快,同时采用的KICA使广义特征向量的求解更多样化,使用RKHS空间的方式更为灵活,而且选取不同的非线性函数也可以使算法性能达到最优,结果表明,FastICA算法具有比ICA更好的识别率,能够达到94.5%,有很高的实用价值。

全文目录

摘要  4-5
ABSTRACT  5-9
第一章绪论  9-14
  §1-1 选题背景及意义  9
  §1-2 人脸识别的发展现状  9-11
    1-2-1 国外发展现状  9-10
    1-2-2 国内发展现状  10-11
  §1-3 人脸识别技术的关键问题  11-12
  §1-4 课题研究内容及主要工作  12-14
第二章人脸识别与特征提取方法  14-19
  §2-1 人脸识别系统的组成  14-15
  §2-2 人脸特征提取和识别方法概述  15-17
    2-2-1 基于几何特征的人脸识别  15-16
    2-2-2 基于代数特性的人脸识别  16-17
    2-2-3 基于神经网络的人脸识别  17
  §2-3 距离测度和分类器设计  17-18
  §2-4 识别性能的评价标准  18-19
第三章彩色人脸图像预处理  19-30
  §3-1 色彩空间  19-20
  §3-2 色彩空间转换  20-23
    3-2-1 RGB色彩空间  20
    3-2-2 HSI色彩空间  20-21
    3-2-3 YIQ色彩空间  21-22
    3-2-4 YCbCr色彩空间  22-23
  §3-3 人脸图像灰度处理  23-25
    3-3-1 灰度处理方法  23-24
    3-3-2 灰度变换  24-25
  §3-4 图像的滤波去噪  25-30
    3-4-1 中值滤波器原理  25-26
    3-4-2 中值滤波器的去噪实验仿真  26-27
    3-4-3 改进的中值滤波算法  27-28
    3-4-4 实验仿真及结果分析  28-30
第四章线性人脸图像特征提取  30-41
  §4-1 PCA 特征提取算法  30-32
    4-1-1 PCA算法原理  30
    4-1-2 基于PCA的人脸图像特征提取  30-32
  §4-2 改进的 PCA 算法  32-35
    4-2-1 改进的 PCA 算法原理  32-33
    4-2-2 仿真实验及结果分析  33-35
  §4-3 FDA特征提取算法  35-38
    4-3-1 Fisher最佳线性判别准则  35-36
    4-3-2 基于FDA的人脸图像特征提取  36-38
  §4-4 改进的FDA算法  38-41
    4-4-1 改进的FDA算法原理  38-39
    4-4-2 仿真实验及结果分析  39-41
第五章基于核的非线性特征提取方法  41-51
  §5-1 核方法理论  41-42
  §5-2 基于核的 PCA 特征提取  42-45
    5-2-1 基于核方法的 PCA 算法原理  42-44
    5-2-2 仿真实验及结果分析  44-45
  §5-3 基于核独立主成分分析的人脸识别  45-51
    5-3-1 ICA的基本理论  45-46
    5-3-2 FastICA的基本理论  46-47
    5-3-3 核独立成分分析(KICA)理论  47-48
    5-3-4 仿真实验与结果分析  48-51
第六章结论与展望  51-52
参考文献  52-55
致谢  55-56
攻读学位期间所取得的相关科研成果  56

彩色人脸图像特征提取算法研究

内容摘要

全文目录

相似论文