基于2DPAC和FLDA的人臉識(shí)別研究.pdf

1、隨著信息科學(xué)技術(shù)的發(fā)展，人體生物特征識(shí)別技術(shù)如指紋識(shí)別、虹膜識(shí)別、基因識(shí)別、視網(wǎng)膜識(shí)別在安全、軍事、民事和經(jīng)濟(jì)等領(lǐng)域有了迅速發(fā)展。與上述識(shí)別技術(shù)方法相比，人臉識(shí)別技術(shù)具有方便、無需用戶過多參與、對(duì)用戶無干擾、不易被造假等優(yōu)點(diǎn)，因此，基于2DPCA+FLDA的人臉識(shí)別的研究具有非常重要的意義。
　　 本文構(gòu)建了一個(gè)靜態(tài)人臉識(shí)別系統(tǒng)，對(duì)人臉圖像的預(yù)處理、特征提取、特征分類器的設(shè)計(jì)等相關(guān)問題進(jìn)行了深入研究。
　　 首先，本文對(duì)

2、ORL人臉庫中的人臉圖像進(jìn)行預(yù)處理，運(yùn)用直方圖均衡化進(jìn)行歸一化處理，用中值濾波進(jìn)行圖像平滑處理，用同態(tài)濾波進(jìn)行圖像增強(qiáng)處理，并給出預(yù)處理后的圖像。然后，對(duì)預(yù)處理后的圖像做特征選擇與提取，對(duì)幾種特征提取方法如主成分分析(PCA)、二維主成分分析(2DPCA)和Fisher線性鑒別分析方法(FLDA)做了分析與研究，給出了人臉的主成分臉和重建后的人臉，二維主成分分析(2DPCA)方法不需要將人臉圖像轉(zhuǎn)換為一維矩陣而可以直接對(duì)二維圖像進(jìn)行處理

3、，比主成分分析(PCA)方法的訓(xùn)練時(shí)間少，因此選擇2DPCA方法，同時(shí)由于FLDA方法側(cè)重于分類，將幾種方法進(jìn)行對(duì)比實(shí)驗(yàn)后，本文給出了2DPCA與FLDA相融合的方法，該方法不僅具有2DPCA計(jì)算量小、重建效果好的優(yōu)點(diǎn)，而且也具有FLDA可分性好，易于特征選擇的優(yōu)點(diǎn)。最后，本文在特征分類器設(shè)計(jì)上用最近鄰分類器與支持向量機(jī)分類器構(gòu)成一個(gè)串聯(lián)的二級(jí)融合分類器，將提取到的特征分量送入二級(jí)融合分類器，先用最近鄰分類器粗分，再用支持向量機(jī)分類器細(xì)