基于Gabor小波的人臉識(shí)別的單樣本問(wèn)題研究.pdf_第1頁(yè)
已閱讀1頁(yè)，還剩65頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、人臉識(shí)別是人工智能領(lǐng)域中重要的研究課題，在過(guò)去的幾十年中，它得到了研究者們廣泛的關(guān)注。由于人臉圖像的Gabor 小波特征的良好特性，基于Gabor 小波的人臉識(shí)別技術(shù)是一種非常流行的方法。人臉識(shí)別是一門(mén)交叉學(xué)科，本文主要研究人臉識(shí)別的特征提取，并且就人臉識(shí)別中的單樣本問(wèn)題，提出了一種解決方案。 本文利用一個(gè)復(fù)數(shù)在極坐標(biāo)系中可以分解為幅值(magnitude)和幅角(argument)的特性，從人臉圖像的Gabor 小波表示中提取

2、幅角特征，同時(shí)還給出了結(jié)合幅值特征和幅角特征的人臉圖像的Gabor 小波表示的分布圖。 對(duì)于單樣本問(wèn)題，利用幅值特征和新提取的幅角特征，本文提出了基于豐富Gabor 特征的主成分分析（EGPCA）算法。基于EGPCA 算法，本文實(shí)現(xiàn)了一個(gè)人臉識(shí)別系統(tǒng)，并把EGPCA 同SVD Perturbation 三種算法作了比較。在FERET 人臉庫(kù)上的實(shí)驗(yàn)結(jié)果表明，在人臉識(shí)別中，每個(gè)人只有一張訓(xùn)練圖像的情況下，EGPCA 算法可以達(dá)到8

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論