人臉識別算法的研究及實現.pdf

1、人臉識別技術起源于20世紀初，它在圖像處理，機器視覺和模式識別領域始終都是熱門的研究課題。人臉識別作為模式識別領域的一個重要分支，在實際應用中如公安偵查、銀行取款、電腦登陸、手機通訊、公司門禁等方面有著舉足輕重的作用，它又涉及多分類問題，因此在學術領域中發(fā)展前景較好。本文在闡述人臉識別，曲波變換，子空間技術和支持向量機的相關理論和方法的基礎上，有機結合各個算法的優(yōu)點，對人臉識別技術展開研究。論文的研究內容和創(chuàng)新點如下：
　　1、針

2、對采集到的人臉圖像受光照、姿態(tài)、面部遮擋、表情變化等因素的影響，本文對人臉圖像采取了預處理手段，包括灰度變換、直方圖均衡化、中值濾波，圖像歸一化等，并進行精確的人眼定位，提取出人臉的有效區(qū)域。
　　2、針對PCA算法不能處理圖像數據中的非線性特征問題，經過分析研究，提出了核主成成分分析(KPCA)算法。KPCA算法通過內部非線性核函數作用，能很好的提取人臉的輪廓，曲線細節(jié)信息。支持向量機(SVM)對小樣本的分類能力比較強，適用于處

3、理非線性和高維度特征向量，把KPCA和SVM這兩個算法共同用在人臉識別之中。對人臉圖像進行曲波變換，首先運用KPCA算法對低頻系數進行特征提取，得到維數較低的向量。在人臉識別中，選用支持向量機(SVM)算法，其中采用“one-vs-one”判別策略，進行分類識別。
　　3、針對傳統(tǒng)的曲波分解算法不能充分利用其細尺度成分信息，經過分析研究，提出了數據融合算法。數據融合算法能夠將圖像經曲波分解后的各尺度成分信息按照一定比例融合起來，充