人臉特征提取及分類(lèi)算法研究.pdf

1、特征提取和分類(lèi)器設(shè)計(jì)是人臉識(shí)別技術(shù)中最基本的兩個(gè)問(wèn)題。特征提取的實(shí)質(zhì)是將原始的高維圖像數(shù)據(jù)映射到一個(gè)低維空間,以利于后續(xù)分類(lèi)識(shí)別。分類(lèi)器則是為了將提取到的特征以更高的精度將其區(qū)分開(kāi)來(lái)。特征提取有許多經(jīng)典的算法,最著名的基于子空間的方法包括主分量分析法、線性鑒別分析法和費(fèi)舍兒臉?lè)ǖ?子空間方法簡(jiǎn)單有效,在實(shí)際中應(yīng)用廣泛。小波分析是信號(hào)處理領(lǐng)域非常著名的數(shù)據(jù)處理和分析工具,在模式識(shí)別中也有廣泛應(yīng)用。神經(jīng)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)輸入到輸出的任意非線性映射

2、,因此對(duì)于處理高維圖像數(shù)據(jù)有很強(qiáng)的適應(yīng)性,在分類(lèi)識(shí)別方面效果突出。
　　 本文在總結(jié)人臉特征提取和分類(lèi)識(shí)別技術(shù)的基礎(chǔ)上,針對(duì)小波分析結(jié)合子空間方法在特征提取中的應(yīng)用以及人臉?lè)诸?lèi)器設(shè)計(jì)技術(shù)進(jìn)行了深入系統(tǒng)研究。本文給出了一種特征提取算法及兩種分類(lèi)器設(shè)計(jì)算法:
　　 1.在詳細(xì)分析小波變換理論的基礎(chǔ)上,提出了適合于人臉識(shí)別的小波變換方法。該算法通過(guò)對(duì)小波變換的權(quán)值系數(shù)進(jìn)行合理分配,再結(jié)合改進(jìn)的子空間方法進(jìn)行特征提取,能夠提高以

3、別的精度和時(shí)間效率。
　　 2.提出基于優(yōu)化徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的人臉?lè)诸?lèi)算法。該算法通過(guò)改進(jìn)的遺傳算法優(yōu)化徑向基函數(shù)網(wǎng)絡(luò)的中心向量,使得網(wǎng)絡(luò)中心更具代表性,以提高網(wǎng)絡(luò)的逼近精度。在訓(xùn)練樣本數(shù)很小的情況下仍有較高的識(shí)別效率。
　　 3.提出基于學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)的人臉?lè)诸?lèi)器設(shè)計(jì)算法。該算法通過(guò)對(duì)自組織神經(jīng)網(wǎng)絡(luò)理論的分析,將改進(jìn)的自組織神經(jīng)網(wǎng)絡(luò)(學(xué)習(xí)向量量化網(wǎng)絡(luò))用于分類(lèi)設(shè)計(jì),在樣本容量不大的情況下,有較高的識(shí)別率和較快的