学位论文 > 优秀研究生学位论文题录展示

基于小波包变换和二维四元数主成分分析的人脸识别方法

作　者: 丛文龙
导　师: 徐永红
学　校: 燕山大学
专　业: 生物医学工程
关键词: 人脸识别小波包变换四元数主成分分析分块投票策略
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 43次
引　用: 0次
阅　读: 论文下载

内容摘要

人脸识别是模式识别和人工智能领域的研究热点之一,在近些年受到了人们越来越多的重视。主成分分析算法(PCA)作为一种经典的人脸识别方法,识别过程简单直接,但识别效果受光照、表情等因素的影响较大;四元数主成分分析算法(QPCA)对图像像素之间的结构信息利用充分,但对图像的预处理要求较高,且大多用于彩色人脸图像识别。鉴于目前大部分人脸数据库收集的是灰度图像,本文以人脸灰度图像作为研究对象,综合考虑识别算法性能和计算复杂度两方面的因素,在特征提取和识别方面进行了对主成分分析算法的改进工作。首先,研究了小波包变换和四元代数的相关理论,提出了人脸特征的表示方法。利用小波包变换的正交多尺度特性,对人脸图像这一非平稳信号进行小波包变换,分解得到的各分量构造成四元数人脸模型。这样既保留了图像的全局信息,又获得了图像的细节信息,增强了各分量之间的相关性。然后,针对四元数主成分分析算法计算量大的问题,提出了二维四元数主成分分析方法(2D-QPCA),对四元数人脸模型进行降维并构造特征空间;在识别时,将特征空间划分为若干子块,对每个子块根据最近邻算法进行分类并对分类结果投票,根据投票结果实现最终的人脸识别。最后,在ORL、Yale、YaleB和Indian人脸数据库上进行实验仿真,研究了本文方法中参数与识别率之间的关系,并与PCA等算法进行了比较。实验表明本文方法改善了光照、表情变化的鲁棒性,具有识别精度高、计算复杂度低的特点。

全文目录

摘要  5-6
Abstract  6-10
第1章绪论  10-16
  1.1 研究背景及意义  10-11
  1.2 人脸识别的发展历程  11-14
    1.2.1 研究历史  11
    1.2.2 国内外研究现状  11-14
  1.3 本文结构安排  14-16
第2章理论基础背景  16-33
  2.1 小波和小波包  16-22
    2.1.1 小波变换  16-17
    2.1.2 小波Mallat 算法  17-18
    2.1.3 小波包变换  18-19
    2.1.4 小波包Mallat 算法  19-21
    2.1.5 小波包最优基选择  21-22
  2.2 主成分分析  22-28
    2.2.1 K-L 变换  22-24
    2.2.2 特征脸法  24-26
    2.2.3 二维主成分分析  26-28
  2.3 四元数和四元数主成分  28-31
    2.3.1 四元数定义  28-29
    2.3.2 四元数矩阵  29
    2.3.3 四元数主成分分析  29-31
  2.4 本章小结  31-33
第3章基于小波包变换和二维四元数主成分分析的人脸识别  33-39
  3.1 四元数人脸模型构造  33-35
  3.2 二维四元数主成分分析  35-37
  3.3 分块投票策略  37-38
  3.4 本章小结  38-39
第4章实验研究  39-56
  4.1 人脸库简介  39-42
  4.2 实验仿真  42-48
    4.2.1 实验流程  42-44
    4.2.2 主成分贡献率比较  44-46
    4.2.3 结果与分析  46-48
  4.3 算法参数研究  48-55
    4.3.1 小波包分解层数  48-49
    4.3.2 小波基  49-51
    4.3.3 训练集和测试集比例  51-53
    4.3.4 特征向量维数  53
    4.3.5 划分子块个数  53-55
  4.4 本章小结  55-56
结论  56-58
参考文献  58-63
攻读学位期间承担的科研任务与主要成果  63-64
致谢  64-65
作者简介  65

基于小波包变换和二维四元数主成分分析的人脸识别方法

内容摘要

全文目录

相似论文