基于粗集和小波變換的人臉識(shí)別研究.pdf

1、近年來(lái),生物特征識(shí)別技術(shù)隨著計(jì)算機(jī)技術(shù)、電子技術(shù)以及自動(dòng)控制技術(shù)的發(fā)展而取得了長(zhǎng)足的進(jìn)步,生物特征以其高可靠性、普遍性以及低欺騙性,越來(lái)越常用于身份識(shí)別領(lǐng)域。在各種生物特征識(shí)別技術(shù)中人臉識(shí)別是近年來(lái)生物醫(yī)學(xué)工程以及模式識(shí)別領(lǐng)域的研究熱點(diǎn),由于人臉識(shí)別方法的簡(jiǎn)單易行,信息采集方便,適用范圍廣泛,所以在公共安全領(lǐng)域以及司法領(lǐng)域有越來(lái)越廣泛的應(yīng)用。
　　 人臉識(shí)別的基本步驟包括圖像預(yù)處理,特征提取和特征識(shí)別等,在各個(gè)步驟中研究人員已經(jīng)

2、提出了很多有效的研究方法,在這些方法中也存在一些缺陷和不足,本文將采用改進(jìn)的基本算法進(jìn)行人臉識(shí)別的研究分析。在進(jìn)行識(shí)別工作之前本文首先利用小波變換對(duì)圖像進(jìn)行壓縮降維、去噪和增強(qiáng)等預(yù)處理,以利于后續(xù)步驟的進(jìn)行,在特征提取和識(shí)別過(guò)程中我們將利用PCA(Principal Component Analysis)方法和局部特征識(shí)別相結(jié)合的算法,并利用粗集理論進(jìn)行算法的改良。
　　 本文將分三個(gè)部分表述論文的主要工作:
　　 (1

3、)首先我們利用小波變換的優(yōu)良性質(zhì)去除圖像中的隨機(jī)噪聲,然后通過(guò)實(shí)驗(yàn)確定壓縮比,進(jìn)行圖像壓縮,從而不影響后續(xù)的識(shí)別步驟。為了增強(qiáng)圖像細(xì)節(jié),提高圖像可辨別度,我們使用直方圖均衡的方法進(jìn)行處理。對(duì)直方圖均衡后得到的圖像我們很容易進(jìn)行邊緣提取,并對(duì)圖像中的人臉進(jìn)行定位。
　　 (2)基于PCA的特征臉?lè)ㄊ峭ㄟ^(guò)K-L變換提取人臉圖像的整體信息,這樣的識(shí)別方法不能反映圖像的局部細(xì)節(jié)特征,往往會(huì)造成識(shí)別的誤差。本文中我們采用PCA方法和Gab

4、or小波局部特征識(shí)別相結(jié)合的方法,以求達(dá)到較好的識(shí)別結(jié)果。PCA方法中選擇特征向量的方法比較簡(jiǎn)單,可能會(huì)忽略一些重要的信息或者摻入冗余信息,所以我們利用粗集理論的知識(shí)約簡(jiǎn)理論來(lái)選擇特征向量,使得特征向量的選擇更有針對(duì)性。
　　 (3)我們進(jìn)行仿真分析,將普通PCA特征臉?lè)ê臀覀兏倪M(jìn)的方法進(jìn)行實(shí)驗(yàn)比較,通過(guò)對(duì)比得到的數(shù)據(jù),驗(yàn)證我們提出的方法的可行性、識(shí)別性能并指出方法的缺陷和不足。
　　 最后我們對(duì)全文進(jìn)行總結(jié),指出需要改