小波分析與同態(tài)變換在人臉識(shí)別中的應(yīng)用.pdf

1、該文在國(guó)內(nèi)外的主流算法——特征臉?biāo)惴ㄒ约癋isher臉?biāo)惴ǖ幕A(chǔ)上,針對(duì)目前算法中存在的問(wèn)題進(jìn)行了重點(diǎn)研究,主要做了以下幾方面的工作:(1)該文采用圖像的"分量乘積"模型,通過(guò)同態(tài)系統(tǒng)對(duì)圖像進(jìn)行非線性濾波,不但從根本上消除了光源的干擾,而且提高了圖像的對(duì)比度,突出了結(jié)構(gòu)信息.從實(shí)際效果上看,該方法有效的濾除了光源干擾,解決了由于光源分布不均對(duì)圖像造成的乘性干擾問(wèn)題.實(shí)驗(yàn)證明,同態(tài)濾波的方法簡(jiǎn)單、快速、實(shí)用,與一般的方法相比,其識(shí)雖率有明

2、顯的提高.(2)根據(jù)人類的視覺(jué)過(guò)程與小波變換頗有相似之處的特點(diǎn),該文提出了用雙正交小波變換的低頻系數(shù)進(jìn)行人臉識(shí)別的方法.實(shí)驗(yàn)證明,小波變換能夠去除像素間的相關(guān)性,變換系數(shù)收斂更快,并且濾除了隨機(jī)噪聲,提高了識(shí)別率.(3)雖然Fisher臉?lè)椒ㄗR(shí)別率較高,但當(dāng)人數(shù)超過(guò)一定規(guī)模時(shí),其計(jì)算速度很慢.用小波變換的低頻系數(shù)進(jìn)行識(shí)別降低了運(yùn)算矩陣的維數(shù),如將64×64的矩陣降維成32×32的矩陣,由此,降低了運(yùn)算量,大大提高了計(jì)算速度.(4)該文通