版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、近幾十年來(lái),伴隨著信息技術(shù)逐漸走向成熟,越來(lái)越多的場(chǎng)所需要進(jìn)行快速有效的身份鑒定。人臉識(shí)別技術(shù)作為信息技術(shù)的發(fā)展產(chǎn)物憑借其良好性能迅速成為了當(dāng)今模式識(shí)別研究領(lǐng)域的新寵,并被成功地應(yīng)用到各個(gè)領(lǐng)域。
Matthew Turk等人提出的主成分分析(PCA)和Belhumeur, P N等人提出的線性判別分析(LDA)是人臉識(shí)別技術(shù)研究史上的一次重大革命,這兩種算法都是向量化人臉圖像矩陣的處理方法,識(shí)別效果較好,但容易出現(xiàn)“小樣本”樣
2、例和“維數(shù)災(zāi)難”問(wèn)題。考慮到人臉的整體內(nèi)在結(jié)構(gòu),Yang J等從二維圖像矩陣出發(fā)提出了二維主成分分析(DPC),并取得了顯著的效果,但該算法的缺點(diǎn)是沒(méi)有考慮樣本間的差異而且得到的特征維數(shù)較高。而小波變換(WT)可以同時(shí)提取時(shí)域和頻域特征,并具有多分辨率分析、良好壓縮比及自適應(yīng)性的特點(diǎn),在數(shù)據(jù)降維方面表現(xiàn)出巨大的優(yōu)勢(shì),因此吸引了廣大學(xué)者,和成功被應(yīng)用于人臉識(shí)別技術(shù)上。但大多數(shù)小波變換方法都是直接舍棄高頻成分只提取近似圖像低頻成分的特征,但
3、我們知道高頻成分中同樣包含著重要的人臉細(xì)節(jié)特征信息。因此本文提出的兩種算法都兼顧了兩者中的特征。
針對(duì)以上問(wèn)題,本文先是闡述了小波變換和PCA, LDA等算法的相關(guān)理論。然后分別用改進(jìn)的2DPCA, LDA對(duì)小波變換的子帶提取特征。主要內(nèi)容如下:
(1)對(duì)小波變換的低頻和高頻成分加權(quán)融合。同時(shí)考慮到樣本的差異和2DPCA提取的特征維數(shù)較高,根據(jù)樣本自身屬性引入加權(quán)函數(shù)改進(jìn)2DPCA并進(jìn)行兩次特征提取。該算法更加充分挖
4、掘了臉部的特征信息,同時(shí)加入了利于分類(lèi)的類(lèi)別信息,而且進(jìn)一步降低了特征的維數(shù)。實(shí)驗(yàn)結(jié)果表明,該算法的識(shí)別效果優(yōu)于2DPCA, WT、2DPCA和2DDPCA。
(2)將小波變換的低頻成分在改進(jìn)的LDA算法下提取特征,同時(shí)將高頻成分采用更新迭代的方法融合,然后再在改進(jìn)的LDA算法下提取特征,最后融合低頻和高頻的特征。該算法對(duì)高頻的融合采用優(yōu)化的方式,不受人為因素的影響,而且改進(jìn)的LDA避免了邊緣類(lèi)重疊問(wèn)題和類(lèi)內(nèi)散度矩陣不可逆時(shí)F
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 復(fù)小波子空間特征融合的人臉識(shí)別算法研究.pdf
- 基于小波變換圖像融合算法的人臉檢測(cè).pdf
- 小波與改進(jìn)流形算法相融合的人臉識(shí)別研究.pdf
- 基于Gabor小波變換和子空間的人臉識(shí)別技術(shù)研究.pdf
- 基于小波子圖與決策融合的人臉識(shí)別.pdf
- 基于小波變換的人臉識(shí)別研究.pdf
- 基于子空間及變換域的人臉識(shí)別算法研究.pdf
- 基于Gabor小波變換的人臉識(shí)別算法的研究.pdf
- 基于改進(jìn)稀疏子空間學(xué)習(xí)算法的人臉識(shí)別研究.pdf
- 基于Gabor與Pca融合算法的人臉識(shí)別研究.pdf
- 基于曲波變換的人臉識(shí)別算法研究.pdf
- 結(jié)合小波變換與稀疏編碼的人臉識(shí)別算法研究.pdf
- 基于Gabor小波變換的人臉識(shí)別研究.pdf
- 基于小波變換的圖像融合算法研究.pdf
- 基于改進(jìn)PCA的人臉識(shí)別混合算法研究.pdf
- 基于小波變換的圖像融合算法研究與實(shí)現(xiàn)
- 基于小波變換的人臉識(shí)別方法研究.pdf
- 基于復(fù)小波變換的人臉表情識(shí)別研究.pdf
- 基于子空間方法的人臉識(shí)別算法研究.pdf
- 基于子空間及雙樹(shù)四元數(shù)小波的人臉識(shí)別算法研究.pdf
評(píng)論
0/150
提交評(píng)論