基于子空間的線性與非線性人臉識別算法的研究.pdf

1、隨著社會的發(fā)展,科技的進步,人與人之間在交往的過程中進行的身份鑒定成為建立信用的保障,人臉識別技術應運而生,特征提取作為其關鍵環(huán)節(jié)成為研究的熱點。子空間方法以其描述能力強、計算代價小、識別穩(wěn)定等優(yōu)點成為特征提取算法中的主流算法。本文主要研究了子空間基礎上的人臉識別與特征提取,在原有算法的基礎上提出了改進算法。特征提取的研究與問題的解決對于模式識別領域的發(fā)展和成熟意義重大。
　　 論文開始介紹了人臉識別的發(fā)展現(xiàn)狀,并且闡述了人臉識

2、別中的特征提取對科技和社會發(fā)展的重要影響,并且對人臉識別中的幾種典型的算法進行了分析與討論；其次討論了基于子空間算法的基本理論與算法思想,并就特征提取中存在的問題進行了重點的研究；最后在已有理論和算法的基礎上,提出了三種改進的基于子空間的人臉識別算法。
　　 首先,在Gabor小波基礎上提出的二維的Gabor均值濾波。該算法在考慮到圖像像素之間關系的基礎上,分別對預處理后的人臉圖像進行Gabor均值運算,充分考慮了圖像樣本之間的

3、類別信息,提高了圖像邊緣特征的提取效率,從而獲得了更好的識別能力。
　　 其次,在雙向2DPCA算法的基礎上,提出了改進的雙向2DPCA算法,該算法不是硬性地將行與列兩個方向上的投影矩陣進行硬性疊加,而是對經(jīng)過行變換產(chǎn)生的特征矩陣再直接進行列方向上的2DPCA運算,對人臉圖像能夠進行較好的壓縮運算,提高了算法的識別能力。
　　 再次,在非線性判別分析算法的基礎上,提出了核Fisher判別分析與Gabor均值相結合的人臉識