基于環(huán)形對(duì)稱(chēng)Gabor變換的人臉識(shí)別算法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩76頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

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、人臉識(shí)別技術(shù)作為計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域的研究熱點(diǎn),是一個(gè)具有重大理論研究意義和巨大應(yīng)用價(jià)值的研究課題,涉及到人工智能、圖像處理、神經(jīng)網(wǎng)絡(luò)等多方面的內(nèi)容。隨著社會(huì)的發(fā)展與科技的進(jìn)步,社會(huì)對(duì)人臉識(shí)別技術(shù)的需求日益增加,準(zhǔn)確而快速的人臉識(shí)別技術(shù)有著越來(lái)越廣闊的應(yīng)用前景。人臉識(shí)別是一個(gè)復(fù)雜而具有挑戰(zhàn)性的研究課題,復(fù)雜性來(lái)自兩個(gè)方面,一方面是人臉自身的變化,如人臉姿態(tài)和表情的變化以及年齡不同引起的變化,另一方面是背景的變化,如光照的變化。

2、>  特征提取作為人臉識(shí)別中的關(guān)鍵技術(shù),是人臉識(shí)別技術(shù)的研究核心,也是研究難點(diǎn)。好的特征提取技術(shù)要滿足以下兩點(diǎn):①增強(qiáng)算法對(duì)姿態(tài)、表情、光照和尺度等變化的魯棒性;②考慮到算法整體性能,計(jì)算復(fù)雜度不能過(guò)高。本文研究的重點(diǎn)也是放在如何快速提取有效特征上。因?yàn)榄h(huán)形對(duì)稱(chēng)Gabor變換相對(duì)于Gabor變換具有數(shù)據(jù)冗余度小和嚴(yán)格的旋轉(zhuǎn)不變性的優(yōu)點(diǎn),所以本文選用環(huán)形對(duì)稱(chēng)Gabor變換來(lái)提取特征。
  論文主要工作為:對(duì)CSGT進(jìn)行了深入的研究,

3、提出了多種基于CSGT的多尺度特征融合方案,在以上研究的基礎(chǔ)上提出了基于CSGT的人臉識(shí)別方法,基本思路就是對(duì)人臉圖像進(jìn)行CSGT,并在變換域進(jìn)行多尺度特征融合,然后用子空間方法對(duì)融合后的特征進(jìn)一步提取特征,最后用分類(lèi)器分類(lèi)。主要內(nèi)容包括:
  (1)深入研究了CSGT,分析了不同參數(shù)對(duì)環(huán)形對(duì)稱(chēng)Gabor函數(shù)的影響,提出了5種基于CSGT的多尺度特征融合方案,并對(duì)融合后的特征進(jìn)行分析,最后選擇了3種識(shí)別效果較好的融合特征進(jìn)行實(shí)驗(yàn)。

4、
  (2)提出了基于CSGT+PCA+SVM的人臉識(shí)別算法,該方法先對(duì)圖像進(jìn)行CSGT,并用多尺度特征融合方法進(jìn)行特征融合,選用經(jīng)典的PCA方法對(duì)融合后的特征進(jìn)一步壓縮,最后用SVM進(jìn)行分類(lèi)。在此方法中選用的多尺度特征融合方法為平均圖法和最大值圖法,用這兩種方法融合后得到的特征圖像與原圖像大小一致。在ORL人臉庫(kù)和FERET人臉庫(kù)上進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果證明了本文所提出的基于CSGT的多尺度融合特征的有效性及本文所提出的算法的可行性

5、。
  (3)對(duì)一種模板大小隨尺度變化的CSGT進(jìn)行了研究,并將其與固定模板的CSGT都用在了實(shí)際實(shí)驗(yàn)中。
  (4)提出了基于 CSGT+2DPCA+NN的人臉識(shí)別算法及基于CSGT+2DPCA+SVM的人臉識(shí)別算法。在這兩種算法中,我們先用多尺度特征融合方案構(gòu)造特征圖像,然后用2DPCA方法進(jìn)一步提取分類(lèi)特征。在CSGT+2DPCA+NN的人臉識(shí)別算法中,我們對(duì)可變模板的CSGT和固定模板的CSGT分別做了實(shí)驗(yàn)。

6、  在基于可變模板的實(shí)驗(yàn)中根據(jù)融合方案的不同提出三種方法即*CSGT1+2DPCA、*CSGT2+2DPCA、*CSGT3+2DPCA,它們對(duì)應(yīng)的融合方法分別為最大值圖法、平均圖法和5尺度上下連接的融合法。在基于固定模板的實(shí)驗(yàn)中,我們只對(duì)使用最大值圖法融合得到的特征圖進(jìn)行了實(shí)驗(yàn),該方法記為CSGT1+2DPCA。在ORL人臉庫(kù)和FERET人臉庫(kù)上進(jìn)行實(shí)驗(yàn),并將4種方法與已存在的其它相關(guān)方法進(jìn)行了比較,通過(guò)比較得知,本文所提出的算法不但計(jì)

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。

評(píng)論

0/150

提交評(píng)論