線性特征提取及其在人臉識別中的應用.pdf_第1頁
已閱讀1頁，還剩33頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：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)，請進行舉報或認領(lǐng)

文檔簡介

1、本論文主要研究了線性特征提取在人臉識別中的應用,論文首先概述了人臉識別的研究背景和常見的人臉識別技術(shù),給出了人臉識別系統(tǒng)模塊的設(shè)計框架,并介紹了各種特征提取的方法及應用特點。
　　 本文重點研究了近年來人臉識別領(lǐng)域中有關(guān)線性特征提取的主要方法,即PCA和LDA方法。首先對它們所基于的K-L變換原理及Fisher判別準則做了詳細的介紹。其次研究了主成分分析(PCA)與線性判別分析(LDA)的線性特征提取方法,及它們在人臉識別中的應

2、用情況。最后對文中討論的上述方法的有效性,用ORL人臉數(shù)據(jù)進行了實驗驗證,結(jié)果表明,PCA和LDA方法是基本可行的,文中完成的系統(tǒng)也具有較好的實驗結(jié)果。
　　 論文還對PCA和LDA方法的實驗結(jié)果做了比較分析,結(jié)果表明在系統(tǒng)訓練樣本數(shù)相等的情況下,基于LDA算法的人臉識別系統(tǒng)的正確識別率要比基于PCA算法的人臉識別系統(tǒng)的正確識別率要高。因為雖然使用PCA方法和LDA方法都能大大降低原始特征空間的維數(shù),然而,PCA方法得到的特征是

溫馨提示

  • 1. 本站所有資源如無特殊說明，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)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論