人臉識別中圖像預(yù)處理與分類器的研究.pdf

1、人臉識別技術(shù)是模式識別與人工智能的研究熱點之一。在生物特征識別中，人臉識別占有極為重要的地位。它在訪問控制、司法應(yīng)用、電子商務(wù)和視頻監(jiān)控等領(lǐng)域擁有十分廣泛的應(yīng)用。人臉識別作為一個系統(tǒng)，它分為三個階段，即預(yù)處理、特征提取和分類決策。但隨具體的應(yīng)用也有所不同，預(yù)處理的方法和難度也各有千秋。 本論文的研究是在已檢測出人臉并手動標(biāo)定眼睛坐標(biāo)的前提下進行的。我們先探討了人臉圖像的歸一化處理。然后在基于表征的PCA特征提取方面，我們分別采用

2、傳統(tǒng)PCA與改進的均值PCA兩種不同方法，在標(biāo)準(zhǔn)人臉庫(包括ORL，Yale等人臉庫)上做實驗，試驗證明改進。PCA比傳統(tǒng)PCA速度快。緊接著我們還分析了核主分量分析(KPCA)方法，它是在傳統(tǒng)PCA基礎(chǔ)上引進核函數(shù)的概念，將數(shù)據(jù)映射到高維空間進行樣本的分類，使原本在低維空間的非線性問題轉(zhuǎn)變?yōu)樵诟呔S空間中線性可分的問題。試驗證實在適當(dāng)參數(shù)條件下它比傳統(tǒng)PCA的識別率會更高。 線性判別分析(LDA)是基于數(shù)據(jù)分類的另一種特征提取方

3、法。它尋找使類間距離最大，類內(nèi)距離最小的投影方向，最大程度的保留有利于分類的信息。但在運用線性判別分析的時候，往往遇到“小樣本”問題，這就造成類內(nèi)離散度矩陣是一個奇異陣的情況，一般通過降低圖像的維數(shù)來解決。在分析插值原理的基礎(chǔ)上，本文應(yīng)用插值降維的思想，并經(jīng)過試驗得出比傳統(tǒng)的PCA識別率還要高的結(jié)果。 在分類器的討論中，先介紹了常見的歐式距離分類器、馬氏距離分類器以及貝葉斯分類器后，詳細介紹了支持向量機分類器的原理、基本算法。在