距離加權(quán)特征臉特征提取算法及其改進(jìn).pdf

1、人臉識(shí)別技術(shù)是計(jì)算機(jī)模式識(shí)別領(lǐng)域非?；钴S的研究課題，它是利用計(jì)算機(jī)分析人臉的圖像，抓住人臉的輪廓特征和局部細(xì)節(jié)特征，提取有效的識(shí)別信息，研究匹配和識(shí)別方法，用以辨認(rèn)身份的一門技術(shù)。它涉及模式識(shí)別、圖像處理、計(jì)算機(jī)視覺、生理學(xué)、心理學(xué)等諸多學(xué)科的知識(shí)，是當(dāng)前研究的熱點(diǎn)之一。然而，由于識(shí)別結(jié)果往往容易受到表情、姿態(tài)和光照變化的影響，同時(shí)還要保證識(shí)別系統(tǒng)的實(shí)時(shí)性，極大地影響了人臉識(shí)別的實(shí)用性。
　　 人臉識(shí)別主要包括圖像的預(yù)處理，特征

2、提取和識(shí)別三個(gè)環(huán)節(jié)。本文對(duì)這三個(gè)部分分別作出相應(yīng)的描述。本文結(jié)構(gòu)如下：
　　 1.介紹人臉識(shí)別的研究背景和意義，面臨的主要問題，人臉的定位與常用的特征提取和識(shí)別方法；
　　 2.分析了PCA算法中相應(yīng)知識(shí)點(diǎn)，特征值的選擇及分類器的選取，并分析了PCA的優(yōu)缺點(diǎn)，在PCA的基礎(chǔ)上再對(duì)二維PCA算法進(jìn)行分析，介紹了基于2DPCA的人臉特征提取，及2DPCA的圖像重構(gòu)，并分析了其優(yōu)缺點(diǎn)。然后介紹了PCA+2DPCA的方法，為了進(jìn)

3、一步減少2DPCA的特征矢量的維數(shù)，我們可以在應(yīng)用2DPCA求出特征矢量之后再用PCA技術(shù)做進(jìn)一步的最優(yōu)壓縮。(2D)2PCA方法在識(shí)別率上要高于2DPCA，同時(shí)重建所需要的系數(shù)卻遠(yuǎn)比PCA和2DPCA要少。在2DPCA的基礎(chǔ)上，本文提出了新的方法：二維距離加權(quán)PCA，用來構(gòu)造出新的樣本空間，通過相應(yīng)權(quán)值，增加與平均圖像接近的樣本在平均值中的作用，來達(dá)到提高識(shí)別率的目的。通過程序證明了該算法的有效性。同時(shí)，提出了另一種改進(jìn)方法：二維局部