基于PCA與NMF的人臉識(shí)別算法的研究.pdf

1、人臉識(shí)別技術(shù)作為生物特征識(shí)別技術(shù)的主流技術(shù)之一,是國內(nèi)外研究和應(yīng)用的熱點(diǎn)。目前用于人臉識(shí)別的技術(shù)比較多,都有著各自的優(yōu)缺點(diǎn)。子空間分析方法由于其具有計(jì)算代價(jià)小、描述能力強(qiáng)、可分性好等特點(diǎn)得到了廣泛的應(yīng)用。本文主要研究了子空間分析方法中的主成分分析(PrincipalComponentAnalysis,PCA)和非負(fù)矩陣分解方法(Non-negativeMatrixFactorization,NMF)進(jìn)行人臉識(shí)別,并對(duì)兩種方法進(jìn)行了改進(jìn)。

2、主要工作和創(chuàng)新如下:PCA是應(yīng)用最廣泛的一種人臉特征提取方法,它能夠有效地降低人臉圖像的維數(shù),又能保留原始數(shù)據(jù)大部分主要的信息。NMF是目前國際上新的矩陣分解方法,具有實(shí)現(xiàn)上的簡(jiǎn)便性、占用存儲(chǔ)空間少、分解結(jié)果的可解釋性等諸多優(yōu)點(diǎn),便于將高維的數(shù)據(jù)降維。本文對(duì)輸入的人臉圖像采用直方圖均衡化和小波變換預(yù)處理后,提取低頻子帶,利用PCA與NMF兩種方法提取特征構(gòu)造子空間,采用支持向量機(jī)進(jìn)行分類,在ORL人臉庫中進(jìn)行人臉識(shí)別,做了一系列數(shù)據(jù)仿真