基于PCA和ICA特征的人臉識別.pdf

1、人臉自動識別技術(shù)作為生物特征識別技術(shù)的重要組成部分，在近三十年里得到了廣泛的關(guān)注和研究，已經(jīng)成為計算機視覺、模式識別領(lǐng)域的研究熱點。人臉識別問題涵蓋了圖像處理、模式識別和計算機視覺等多個領(lǐng)域，它主要有特征提取和模式識別兩個部分。特征提取是從人臉圖像中提取可以用來分類的信息；而模式識別則是利用提取的特征進行模式分類。本文以此為重點進行了相關(guān)的研究，主要內(nèi)容如下：
　　 在特征提取環(huán)節(jié)，本文用主成份分析（Principal Comp

2、onent Analysis，PCA）和獨立分量分析（Independent Component Analysis，ICA）用于人臉特征的提取，并比較了這兩類特征在用于人臉識別中的差異。在人臉識別中，不經(jīng)預處理的人臉圖像的維數(shù)非常高，高維圖像的識別不僅增加了識別系統(tǒng)的復雜度和成本，而且增加了計算的復雜度，可能導致無法滿足實時性的要求；同時不經(jīng)處理的人臉圖像中含有很多冗余的信息，影響了正確分類結(jié)果。針對傳統(tǒng)的ICA算法存在迭代次數(shù)多，收斂

3、難的不足，本文采用FastICA作為ICA的快速算法。
　　 在分類判別中，分別用最近鄰（Nearest Neighabor，NN）法、最近鄰特征線法（Nearest Feature Line，NFL）法與本文提出的改進的基于NN和NFL聯(lián)合的分類器，對ORL人臉庫提取的PCA和ICA特征進行了識別，并與BP神經(jīng)網(wǎng)絡進行了比較。本文還將一個自適應BP神經(jīng)網(wǎng)絡用于人臉識別。自適應的BP神經(jīng)網(wǎng)絡，能夠自動刪減輸入層，選擇合適的特征，