版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、本文主要針對(duì)人臉圖像預(yù)處理,特征提取兩個(gè)方面進(jìn)行深入討論。 介紹了DCT在人臉識(shí)別中的降維應(yīng)用:DCT變換系數(shù)矩陣左上角的有限個(gè)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(shí)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(yù)處理方法:基于DCT特性的光線補(bǔ)償。這種方法利用了DCT變換本身的特點(diǎn):特定DCT系數(shù)對(duì)偏光照射負(fù)主要責(zé)任,通過(guò)處理這些系數(shù)可以對(duì)人臉圖像進(jìn)行光線補(bǔ)償。 Fisher
2、線性判別分析在人臉識(shí)別應(yīng)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(shí)別方法:基于DCT的D-LDA方法,基于DCT的改進(jìn)零空間方法。為了縮短識(shí)別時(shí)間,證明了直接在DCT域上應(yīng)用D-LDA方法與零空間方法是可行的。對(duì)于前一種方法,在對(duì)類問(wèn)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(zhǔn)則。對(duì)于后一種方法,傳統(tǒng)的像素
3、聚類方法降維不僅算法復(fù)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(guò)程,從而盡可能多的保留了有利于分類的信息。對(duì)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(duì)總的類間散布矩陣,通過(guò)適當(dāng)?shù)臋?quán)函數(shù)加大距離較近兩類的作用,因?yàn)橄噜忀^近的兩類的誤分可能性比較大;對(duì)于總的類內(nèi)散布矩陣,通過(guò)選擇適當(dāng)?shù)臋?quán)函數(shù)來(lái)減小邊緣類的影響,因?yàn)檫吘夘愒谠驾斎肟臻g已經(jīng)能很好與其它類分開(kāi),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(duì)最后分類的影響不大。實(shí)驗(yàn)結(jié)果表明,加權(quán)策略能夠取得更好的試驗(yàn)效果。 為了在進(jìn)一步降維時(shí)取得較好的識(shí)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(jiǎn)稱F-LDA)”應(yīng)用到人臉識(shí)別中。由于F-LDA直接應(yīng)用于高維空間的計(jì)算復(fù)雜度太大,一般是不能直接使用的,經(jīng)過(guò)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(duì)所提出的算法,在ORL與Yale人臉庫(kù)上進(jìn)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于統(tǒng)計(jì)的人臉識(shí)別方法.pdf
- 基于LDP的人臉識(shí)別方法研究.pdf
- 基于MMTD的人臉識(shí)別方法研究.pdf
- 基于PCA的人臉識(shí)別方法.pdf
- 基于SVM的人臉識(shí)別方法研究.pdf
- 基于PCA的人臉識(shí)別方法研究.pdf
- 基于融合的人臉識(shí)別方法研究.pdf
- 基于部分的人臉識(shí)別方法研究.pdf
- 基于視頻的人臉識(shí)別方法研究.pdf
- 基于畫(huà)像的人臉識(shí)別方法研究.pdf
- 基于度量學(xué)習(xí)的人臉識(shí)別方法研究.pdf
- 基于集成學(xué)習(xí)的人臉識(shí)別方法研究.pdf
- 基于Curvelet變換的人臉識(shí)別方法研究.pdf
- 基于Gabor特征的人臉識(shí)別方法.pdf
- 基于仿生特征的人臉識(shí)別方法.pdf
- 基于神經(jīng)樹(shù)的人臉識(shí)別方法研究.pdf
- 基于局部匹配的人臉識(shí)別方法.pdf
- 基于模糊規(guī)則的人臉識(shí)別方法.pdf
- 基于臉紋的人臉識(shí)別方法.pdf
- 基于特征學(xué)習(xí)的人臉識(shí)別方法研究.pdf
評(píng)論
0/150
提交評(píng)論