版權(quán)說明: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),請進行舉報或認領(lǐng)
文檔簡介
1、人臉識別是生物特征識別領(lǐng)域中一個極富有挑戰(zhàn)性的課題。它涉及到生物特征提取、計算機視覺、圖像處理、模式識別和身份認證技術(shù)等諸多領(lǐng)域。目前,關(guān)于人臉識別的算法有很多,而利用邊緣的最佳信息進行人臉識別在人臉識別部分還是一塊未深入探究的領(lǐng)域。為此,本文通過綜合分析該領(lǐng)域研究現(xiàn)狀,對邊緣信息在人臉識別運用中涉及到的基礎(chǔ)理論和方法進行研究。 為了有效利用邊緣信息對光照不敏感的特點,本文在原有Hausdorff距離算法的基礎(chǔ)上,提出了一種利用
2、局部距離映射圖思想改進的Hausdorff距離人臉識別算法,該方法不再使用邊緣作為直接的特征,而是把通過邊緣得到的局部距離映射結(jié)果作為特征進行識別。并且提出了利用最大特征臉與邊緣信息結(jié)合求取“代表臉”的識別策略進行算法判別能力驗證的方案。 本文按照人臉識別系統(tǒng)實現(xiàn)的先后順序首先對人臉識別前的預處理問題和識別前的各種光照補償方法做了詳細的介紹,其次,通過對各種邊緣提取方法的研究,指出利用曲面擬合法提取人臉邊緣特征,不僅可以有效地抑
3、制光照對識別系統(tǒng)的影響,而且能夠保留臉部的主要部位的有效信息,為后面識別提供依據(jù)。在上述基礎(chǔ)上,提出了利用局部距離映射圖改進的Hausdorff距離人臉識別算法,把通過邊緣圖得到的局部距離映射結(jié)果作為特征進行識別,最后在Windows環(huán)境下,通過VisualC++編程實現(xiàn)該系統(tǒng)。 從ORL人臉數(shù)據(jù)庫選取156幅圖像進行實驗,改進后的算法識別率可達到80.4%。實驗結(jié)果證明,改進后的識別方法不僅可得到較好的識別率,而且能有效側(cè)重于
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進LBP的人臉識別算法研究.pdf
- 基于改進GLRAM算法的人臉識別研究.pdf
- 基于LBP特征的人臉識別算法改進研究.pdf
- 基于支持向量機的人臉識別改進算法.pdf
- 利用SVM改進Adaboost算法的人臉檢測精度.pdf
- 基于PCA和LBP改進算法的人臉識別研究.pdf
- 基于改進的稀疏表示的人臉識別算法研究.pdf
- 基于改進PCA的人臉識別混合算法研究.pdf
- 基于改進局部方向模式的人臉識別算法研究.pdf
- 基于紅外的人臉識別與跟蹤算法改進研究.pdf
- 基于NMF和SVM改進算法的人臉識別.pdf
- KPCA的人臉識別算法研究.pdf
- 基于改進稀疏子空間學習算法的人臉識別研究.pdf
- 基于KPCA和LDA融合改進的人臉識別算法研究.pdf
- 基于特征臉改進算法的人臉識別技術(shù)的研究.pdf
- 基于加權(quán)小波分解的人臉識別的人臉識別算法研究.pdf
- 基于改進局部保持投影算法的人臉識別研究與實現(xiàn).pdf
- 基于改進主成分分析方法的人臉識別算法研究.pdf
- 小波與改進流形算法相融合的人臉識別研究.pdf
- 基于Adaboost和LDP改進算法的人臉檢測與識別研究.pdf
評論
0/150
提交評論