2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩57頁未讀, 繼續(xù)免費閱讀

下載本文檔

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、本文主要針對人臉圖像預處理,特征提取兩個方面進行深入討論。 介紹了DCT在人臉識別中的降維應用:DCT變換系數(shù)矩陣左上角的有限個系數(shù)包含了人臉圖像的大部分信息,這部分信息更有利于識別,因此僅保留這部分系數(shù)可以起到降維的目的。然后借助DCT提出了一種人臉圖像預處理方法:基于DCT特性的光線補償。這種方法利用了DCT變換本身的特點:特定DCT系數(shù)對偏光照射負主要責任,通過處理這些系數(shù)可以對人臉圖像進行光線補償。 Fisher

2、線性判別分析在人臉識別應用中取得了很好的效果。本文在DCT的基礎(chǔ)上,提出了兩種新的基于Fisher線性判別分析的人臉識別方法:基于DCT的D-LDA方法,基于DCT的改進零空間方法。為了縮短識別時間,證明了直接在DCT域上應用D-LDA方法與零空間方法是可行的。對于前一種方法,在對類問散布矩陣做特征分析之前先用DCT降維,使能量集中,從而保留了類內(nèi)散布矩陣的零空間信息,另外,重新定義了Fisher線性判別準則。對于后一種方法,傳統(tǒng)的像素

3、聚類方法降維不僅算法復雜,而且丟失了許多有用信息,使用DCT變換代替?zhèn)鹘y(tǒng)的像素聚類過程,從而盡可能多的保留了有利于分類的信息。對兩種方法,都采用了一種加權(quán)求解總的類間散布矩陣和總的類內(nèi)散布矩陣的策略:對總的類間散布矩陣,通過適當?shù)臋?quán)函數(shù)加大距離較近兩類的作用,因為相鄰較近的兩類的誤分可能性比較大;對于總的類內(nèi)散布矩陣,通過選擇適當?shù)臋?quán)函數(shù)來減小邊緣類的影響,因為邊緣類在原始輸入空間已經(jīng)能很好與其它類分開,那么在特征提取后的予空間中,邊緣

4、類的類內(nèi)散布矩陣是否壓縮對最后分類的影響不大。實驗結(jié)果表明,加權(quán)策略能夠取得更好的試驗效果。 為了在進一步降維時取得較好的識別效果,本文引入一種迭代的線性判別分析方法“Fractional-step線性判別分析(簡稱F-LDA)”應用到人臉識別中。由于F-LDA直接應用于高維空間的計算復雜度太大,一般是不能直接使用的,經(jīng)過先前的特征提取階段已使維數(shù)足夠降低,所以能夠與F-LDA相結(jié)合。對所提出的算法,在ORL與Yale人臉庫上進

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。

評論

0/150

提交評論