2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩60頁未讀, 繼續(xù)免費(fèi)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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、由于計算機(jī)人臉識別技術(shù)具有廣闊的應(yīng)用前景,對計算機(jī)人臉識別方法和技術(shù)的研究已經(jīng)成為國內(nèi)外模式識別領(lǐng)域內(nèi)研究的熱點(diǎn)。本文從人臉特征提取角度,對當(dāng)前一些較新的人臉識別方法進(jìn)行了討論分析,并給出了相應(yīng)的改進(jìn)算法該文研究了基于圖像矩陣的特征提取問題,并提出新的圖像矩陣特征提取方法,即2DMMC plus 2DFDA鑒別矢量集人臉識別方法。同時,本文利用了基于圖像矩陣的2DMMC準(zhǔn)則獲得行和列方向最優(yōu)鑒別矢量集,再同時對人臉圖像矩陣壓縮方法即 (

2、(2D)<'2>MMDA),對此方法進(jìn)行探索和研究。人臉識別仿真試驗(yàn)證明本文提出(2D)<'2>MMDA的方法具有較高的識別率和較好的穩(wěn)定性。 該文通過分塊PCA(Modular PCA)的思想一直接從人臉圖像矩陣出發(fā),在模式識別之前,先對圖像矩降進(jìn)行分塊,對分塊得到的子圖像矩陣使用主成分分析進(jìn)行鑒別分析。在此基礎(chǔ)上,本文提出了分塊MMC(Modular MMC,MMMC)。其大體思想和分塊PCA(MPCA)相似,但其加入類別信

3、息,使鑒別軸更具有鑒別性。在ORL人臉庫上檢驗(yàn)了這種方法的識別性能,實(shí)驗(yàn)結(jié)果表明這種方法MMMC抽取的鑒別特征有較強(qiáng)的鑒別能力。 該文深入研究了人臉識別的獨(dú)立成份分析方法。首先,研究了線性特征提取情況下的獨(dú)立成份分析及其在人臉識別中的應(yīng)用,通過理論分析和仿真試驗(yàn),探索了獨(dú)立成份分析人臉識別方法的理論本質(zhì)和識別性能。在此基礎(chǔ)上,本文提出了一種新形式的核獨(dú)立成份分析算法并應(yīng)用于人臉識別問題。在大型人臉庫上的仿真試驗(yàn)證明了本文提出的方

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(yù)覽,若沒有圖紙預(yù)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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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