基于非張量積小波及改進二維主成分分析的人臉識別算法研究.pdf

1、人臉識別是一項通過分析比較人臉視覺特征信息進行身份鑒別的計算機技術(shù)，早在20世紀(jì)60年代就引起了人們的研究興趣．近年來，該項技術(shù)在安全驗證系統(tǒng)，檔案管理系統(tǒng)，信用卡驗證，人機交互系統(tǒng)等領(lǐng)域都有一定范圍的應(yīng)用．然而要開發(fā)出真正魯棒、實用的人臉識別系統(tǒng)仍是一大挑戰(zhàn)，需要解決大量的關(guān)鍵問題，尤其需要研究高效的人臉特征描述方法及相應(yīng)的高精度核心識別算法． 本文就人臉特征的描述與提取提出了一種基于非張量積小波和改進二維主成分分析技術(shù)的新的

2、人臉識別方法．該方法運用最近構(gòu)造出的非張量積小波，研究其有關(guān)性質(zhì)，應(yīng)用于人臉的特征提取與描述．我們利用非張量積小波分解的低頻系數(shù)描述人臉特征，改善了可分小波用于人臉特征描述時信息冗余及對背景噪聲敏感的狀況，更加有效的提取了人臉特征．此外，為了降低計算復(fù)雜度，我們還改進了二維主成分分析方法，進一步用于人臉特征的提取．實驗結(jié)果顯示，相較于傳統(tǒng)的人臉識別算法，該算法具備較好的識別率和穩(wěn)定性，尤其在針對背景噪聲，光照條件，表情變化等問題的表現(xiàn)上

3、有一定程度的提高，取得了較令人滿意的識別效果． 另外，針對人臉識別中分類器的設(shè)計問題，我們提出了一種基于密度混合模型的批處理競爭懲罰最大期望算法．這種方法具備自動選擇模型的功能，解決了自適應(yīng)算法中不易選擇學(xué)習(xí)率的問題．該算法對高維數(shù)據(jù)也具備良好的分類效果，我們對其在人臉識別中的應(yīng)用做了簡要討論． 本文共分為五個部分：第一部分，介紹了人臉識別研究現(xiàn)狀及幾種主要的人臉識別算法．第二部分，介紹了小波基本概念及新的非張量積小波的