基于2DGabor小波变换与2DPCA的人脸识别技术研究

论文摘要

Gabor变换是一种良好的人脸描述方法,二维Gabor特征比单纯的灰度特征具有更强的鲁棒性。PCA（Principle Component Analysis）方法是数据降维的重要手段,二维PCA方法,避免了从图像矩阵向一维向量的转换,并在人脸识别中获得了满意的效果。针对人脸识别技术中的鲁棒性和实用性问题,提出了2DGabor小波变换和2DPCA相结合的人脸识别方法。本文首先对Gabor小波变换和PCA技术进行了概述,对2DGabor小波变换和2DPCA在人脸识别中的应用做了较全面的介绍,然后,提出了2DGabor小波变换和2DPCA相结合的人脸识别方法。针对人脸识别技术中特征矩阵的高维问题,研究了双向二维PCA与二次二维PCA的特征融合方法,该方法使特征矩阵的维数得到了显著的降低。针对识别速度和识别精度需要进一步提高的问题,探讨了基于动态权值的BP（Back-Propagation）神经网络的集成的识别方法,该方法有效提高了人脸识别系统的识别速度和识别精度。最后,对2DGabor小波变换和2DPCA相结合的人脸识别系统进行了设计与实现。在MATLAB平台上的实验表明,2DGabor小波变换与2DPCA相结合的算法在识别速度和识别精度上优于Gabor小波变换与PCA相结合的算法。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 论文的主要工作
• 第二章 基于二维Gabor小波的图像特征表示研究
• 2.1 Gabor变换
• 2.1.1 临界采样连续Gabor变换
• 2.1.2 过采样连续Gabor变换
• 2.2 Gabor小波变换
• 2.2.1 一维Gabor小波变换
• 2.2.2 二维Gabor小波变换
• 2.3 二维Gabor小波变换在人脸识别中的响应
• 2.4 本章小结
• 第三章 基于2DPCA的人脸图像特征提取研究
• 3.1 PCA方法
• 3.1.1 K-L变换
• 3.1.2 二维PCA
• 3.2 二维PCA的两点改进
• 3.2.1 双向二维PCA
• 3.2.2 二次二维PCA
• 3.3 双向二维PCA与二次二维PCA的特征融合研究
• 3.4 本章小结
• 第四章 基于BP神经网络的人脸特征分类与识别
• 4.1 BP神经网络的算法及实现
• 4.1.1 基本BP神经网络的学习算法
• 4.1.2 神经网络综合优化学习训练算法
• 4.2 BP神经网络的参数改进
• 4.2.1 隐含层数目的确定
• 4.2.2 选取隐含层内节点数目的方法
• 4.2.3 激活函数的选取
• 4.3 基于动态权值的BP神经网络的集成
• 4.4 集成BP神经网络的训练与识别过程
• 4.5 本章小结
• 第五章 实验结果及分析
• 5.1 人脸数据库与实验环境
• 5.1.1 人脸数据库
• 5.1.2 实验环境
• 5.2 实验结果与分析
• 5.2.1 实验结果描述
• 5.2.2 实验结果分析
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读学位期间主要的研究成果