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58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、人臉識別是當(dāng)前計算機模式識別領(lǐng)域中的一個非?;钴S的研究課題,在法律、商業(yè)等領(lǐng)域具有廣泛的應(yīng)用前景。如何有效的從人臉圖像中提取使之區(qū)別于其他個體的特征,是人臉識別研究的一個關(guān)鍵問題。在眾多的特征提取技術(shù)中,子空間分析因其計算簡單、識別率高等特性引起了人們的廣泛注意,現(xiàn)已成為人臉圖像特征提取和識別的主流方法之一。本文以人臉識別為目標(biāo),以基于子空間分析的人臉特征提取技術(shù)為重點進行了相關(guān)研究。本文的主要工作如下: (1)介紹了人臉識別技

2、術(shù)的研究背景和發(fā)展現(xiàn)狀。 (2)研究了圖像的奇異值特征對識別的有效性,針對奇異值特征包含很少的對分類有用的信息這一缺點,提出了一種基于投影變換的奇異特征提取方法。實驗結(jié)果顯示此方法優(yōu)于傳統(tǒng)的基于奇異值特征的識別方法。 (3)深入分析了主成分分析(PCA)方法的基本原理,PCA方法最顯著的優(yōu)點是能用低維特征向量來估計原始樣本,基于此特點將它用來實現(xiàn)對人臉的識別。此外本文還深入分析了PCA中遇到的特征值選擇和距離準(zhǔn)則的選取問

3、題。 (4)研究了基于Fisher線性判別分析方法,針對人臉識別中的小樣本問題本文提出了先用主成分分析(PCA)方法減少特征空間維數(shù),再利用Fisher線性判別方法實現(xiàn)對人臉的識別。 (5)研究了二維主成分分析(2DPCA)方法,2DPCA方法不需要先將圖像矩陣展開成一維向量,而是直接利用圖像矩陣來構(gòu)建樣本協(xié)方差矩陣,所以2DPCA比PCA的識別時間更短,識別更高。針對2DPCA需要大量的系數(shù)來描述圖像樣本這一缺點,本文

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(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