人臉識別中圖像預(yù)處理的研究.pdf

1、人臉識別技術(shù)是模式識別與人工智能的研究熱點(diǎn)之一。在生物特征識別中,人臉識別占有極為重要的地位。它在訪問控制、司法應(yīng)用、電子商務(wù)和視頻監(jiān)控等領(lǐng)域擁有十分廣泛的應(yīng)用。作為一個系統(tǒng),人臉識別自動識別系統(tǒng)分為三個部分,即預(yù)處理、特征提取和分類。但隨具體的應(yīng)用也有所不同,預(yù)處理的方法和難度也各有千秋。
　　 本論文的研究是在已檢測出人臉并手動標(biāo)定眼睛坐標(biāo)的條件下進(jìn)行的。首先探討了人臉圖像的歸一化處理,特征提取方法中,主分量分析(PCA)是

2、一種常用的方法,我們用幾個標(biāo)準(zhǔn)人臉庫(包括ORL,Yale等人臉庫)做實(shí)驗(yàn)取得了較好的效果。在這個基礎(chǔ)上,我們研究了用類均值的識別性能,無論是數(shù)值計(jì)算還是識別性能,都具有較好的穩(wěn)定性。
　　 其次。我們研究了特征提取的部分方法,線性判別分析(LDA)是基于數(shù)據(jù)分類的人臉識別的方法,它尋找使類間距離最大,類內(nèi)距離最小的投影方向,最大程度的保留有利于分類的信息。核主分量分析(KPCA)是在傳統(tǒng)的PCA基礎(chǔ)上引進(jìn)核函數(shù)的概念,將數(shù)據(jù)映

3、射到高維空間進(jìn)行樣本的分類,原本在低維空間的非線性問題轉(zhuǎn)變?yōu)樵诟呔S空間中線性可分的問題。在運(yùn)用線性判別分析的時候,往往遇到“小樣本”問題,從而造成類內(nèi)離散度矩陣是一個奇異矩陣的情況。就需要降低圖像的維數(shù)。我們分析插值原理的基礎(chǔ)上,提出了插值降維的思想,并經(jīng)過試驗(yàn)得出比傳統(tǒng)的PCA還要好的結(jié)果。
　　 最后,介紹了一些傳統(tǒng)的圖像增強(qiáng)方法——基于空域和頻域,包括灰度變換.直方圖修整法,非線性變換和頻域?yàn)V波等.同樣也介紹了一種改進(jìn)了的