人臉識別中的部分特征抽取技術(shù)研究.pdf_第1頁
已閱讀1頁，還剩79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、在生物識別問題中，特別是人臉識別領(lǐng)域，由于原始圖像的維數(shù)相當(dāng)高，直接在原始圖像的基礎(chǔ)上進(jìn)行處理，將加大算法的復(fù)雜度，并且對計算機(jī)的硬件性能也是一個挑戰(zhàn)，因此特征抽取成為該領(lǐng)域最基本的問題之一，抽取有效的鑒別特征是解決該問題的關(guān)鍵。特征抽取的基本思想是將原始樣本映射（或變換）到某一低維特征空間，得到最能反映樣本本質(zhì)的低維樣本特征，這樣能有效地減少樣本的存儲量和處理速度，實現(xiàn)人臉的自動分類。 到目前為止，人們已給出了許多線性特征抽取

2、方法，如主成分分析（Principal Component Analysis，PCA或稱K-L變換），F(xiàn)isher線性鑒別分析（Linear Discriminant Analysis，LDA），獨(dú)立成分分析（Independent Component Analysis，ICA）是特征抽取的幾種經(jīng)典和廣泛使用的方法。 本文研究工作主要如下： （1）在二維主成分分析的基礎(chǔ)上，我們利用人臉圖像的對稱性，提出了基于對稱二維主成

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