基于Gabor小波与PCA的人脸识别研究

论文摘要

人脸识别是二十多年来在人工智能和模式识别当中的一个重要的研究领域,在图像处理、模式识别、机器学习和计算机视觉等方面已经有了一些应用成果。其在档案管理、系统安全、信用卡验证、刑事识别、银行和海关监控、人机交互等领域有着广阔的应用前景。本文介绍了人脸识别的研究意义,研究内容、发展现状以及人脸识别方法的主要分类等。对经典的人脸识别方法,如PCA、LDA、2DPCA、2DLDA及Gabor小波变换的特点及其主要的应用作了重点介绍。本文在分析了PCA与Gabor小波的各自的特点,针对二维Gabor小波变换后特征维数过高、识别时间无法满足实时性要求的问题,本文采用了两种方式将PCA和Gabor小波结合起来,第一种是将人脸库当中的图像进行预处理、下采样等,将采样得到的降维图像与Gabor小波进行卷积,提取到每幅图像的不同方向、尺度的40个Gabor小波特征,再用PCA技术对上述图像特征进行降维,最后通过基于欧氏距离的最近邻分类器进行人脸识别。第二种是先将人脸库当中的图像与Gabor小波进行卷积,提取到每幅图像对应不同方向、尺度的40个Gabor小波特征,将每个特征进行下采样,并利用主成分分析PCA算法进行降维处理,最后通过基于欧氏距离的最近邻分类器进行人脸识别。本文采用国际通用的标准人脸库ORL进行人脸识别,实验表明,本文提出的两者结合的人脸识别算法都具有较好的识别率与准确率,达到了预期的效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 人脸识别的研究意义及特点
• 1.1.1 人脸识别的研究意义
• 1.1.2 人脸识别研究的特点
• 1.2 人脸识别的研究内容及原理
• 1.2.1 人脸识别的研究内容
• 1.2.2 人脸识别的原理
• 1.3 人脸识别的历史和现状
• 1.3.1 人脸识别研究的历史
• 1.3.2 人脸识别的研究现状
• 1.4 人脸识别的主要方法
• 1.5 本文的主要工作及结构安排
• 第二章 经典的基于子空间的人脸识别算法
• 2.1 主成分分析方法PCA
• 2.1.1 K-L变换
• 2.1.2 基于PCA的人脸识别算法
• 2.1.3 PCA人脸识别算法的不足之处
• 2.2 线性鉴别分析方法LDA
• 2.3 二维主成分分析2DPCA
• 2.3.1 2DPCA算法的基本原理
• 2.3.2 2DPCA在人脸识别中的应用
• 2.4 二维线性鉴别分析2DLDA
• 2.5 本章总结
• 第三章 基于Gabor小波变换的人脸特征提取
• 3.1 Gabor小波的特点
• 3.2 一维Gabor小波
• 3.3 二维Gabor小波
• 3.4 Gabor小波在图像处理方面具有的性质
• 3.5 Gabor小波在人脸识别中的应用流程
• 3.6 对图像进行快速Gabor小波变换的方法
• 3.7 本章小结
• 第四章 基于Gabor小波与PCA相结合的人脸识别研究
• 4.1 Gabor小波的下采样
• 4.2 Gabor小波与PCA的结合算法
• 4.2.1 图像下采样后的Gabor小波变换+PCA的人脸识别研究
• 4.2.2 图像经Gabor小波变换后下采样+PCA的人脸识别研究
• 4.3 人脸识别算法的实现及界面
• 4.3.1 人脸识别算法实现的工具
• 4.3.2 本文算法实现的界面
• 4.4 实验结果及分析
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 致谢
• 参考文献
• 附录A 攻读硕士学位期间发表的论文