基于2DPAC和FLDA的人臉識別研究.pdf

1、隨著信息科學技術(shù)的發(fā)展，人體生物特征識別技術(shù)如指紋識別、虹膜識別、基因識別、視網(wǎng)膜識別在安全、軍事、民事和經(jīng)濟等領(lǐng)域有了迅速發(fā)展。與上述識別技術(shù)方法相比，人臉識別技術(shù)具有方便、無需用戶過多參與、對用戶無干擾、不易被造假等優(yōu)點，因此，基于2DPCA+FLDA的人臉識別的研究具有非常重要的意義。
　　 本文構(gòu)建了一個靜態(tài)人臉識別系統(tǒng)，對人臉圖像的預處理、特征提取、特征分類器的設計等相關(guān)問題進行了深入研究。
　　 首先，本文對

2、ORL人臉庫中的人臉圖像進行預處理，運用直方圖均衡化進行歸一化處理，用中值濾波進行圖像平滑處理，用同態(tài)濾波進行圖像增強處理，并給出預處理后的圖像。然后，對預處理后的圖像做特征選擇與提取，對幾種特征提取方法如主成分分析(PCA)、二維主成分分析(2DPCA)和Fisher線性鑒別分析方法(FLDA)做了分析與研究，給出了人臉的主成分臉和重建后的人臉，二維主成分分析(2DPCA)方法不需要將人臉圖像轉(zhuǎn)換為一維矩陣而可以直接對二維圖像進行處理

3、，比主成分分析(PCA)方法的訓練時間少，因此選擇2DPCA方法，同時由于FLDA方法側(cè)重于分類，將幾種方法進行對比實驗后，本文給出了2DPCA與FLDA相融合的方法，該方法不僅具有2DPCA計算量小、重建效果好的優(yōu)點，而且也具有FLDA可分性好，易于特征選擇的優(yōu)點。最后，本文在特征分類器設計上用最近鄰分類器與支持向量機分類器構(gòu)成一個串聯(lián)的二級融合分類器，將提取到的特征分量送入二級融合分類器，先用最近鄰分類器粗分，再用支持向量機分類器細