基于主成分分析和独立成分分析的人脸识别研究

论文摘要

人脸识别技术是计算机模式识别领域非常活跃的课题方向之一,具有重要的学术价值和广阔的应用前景,尤其在近年来备受关注。虽然人类可以很容易地根据人脸判断一个人的身份,但是由于人脸的特殊性,利用计算机进行自动人脸识别仍然存在着许多问题。此外,人脸识别技术的研究涉及到众多学科领域,这诸多因素使得人脸识别研究成为一个极富挑战性的课题。本文主要研究利用主成分分析(principalcomponent analysis,PCA)方法和独立成分分析(Independent ComponentAnalysis,ICA)方法进行人脸识别。主要工作如下:在对PCA、2DPCA等方法进行深入研究的基础上,提出了一种基于改进的2DPCA人脸识别方法;详细介绍了快速固定点算法(FastICA),并将加权主成分分析(WPCA)和独立成分分析相结合用于人脸识别;利用YALE和ORL人脸数据库从识别率、特征提取时间、分类时间等方面验证各种方法的有效性。

论文目录

• 内容提要
• 第一章 绪论
• 1.1 人脸识别概述
• 1.2 人脸识别技术的应用与难点
• 1.3 人脸识别技术的发展过程与现状
• 1.4 人脸识别技术的研究内容
• 1.5 人脸识别的主要方法
• 1.6 本文的结构安排
• 第二章 基于主成分分析的人脸识别
• 2.1 引言
• 2.2 K-L变换
• 2.2.1 K-L变换的定义
• 2.2.2 K-L变换矩阵的生成
• 2.3 基于主成分分析的人脸识别
• 2.3.1 主成分分析的基础理论
• 2.3.2 基于主成分分析的人脸识别
• 2.4 基于加权主成分分析的人脸识别
• 2.5 基于二维主成分分析的人脸识别
• 2.6 基于改进的二维主成分分析的人脸识别
• 第三章 基于独立成分分析的人脸识别
• 3.1 引言
• 3.2 独立成分分析的基本理论
• 3.2.1 鸡尾酒会问题
• 3.2.2 独立成分分析的定义
• 3.2.3 独立成分分析估计原理
• 1. 非高斯性极大化
• 2. 互信息最小化
• 3. 极大似然估计
• 3.3 独立成分分析的预处理
• 3.3.1 中心化
• 3.3.2 白化
• 3.4 独立成分分析的算法实现-快速固定点算法
• 3.5 基于加权主成分分析和独立成分分析的人脸识别
• 第四章 人脸识别实验与分析
• 4.1 人脸识别测试数据库
• 4.2 实验一
• 4.3 实验二
• 4.4 实验三
• 结论
• 参考文献
• 致谢
• 中文摘要
• 英文摘要