小波变换在人脸识别中的应用研究

论文题目: 小波变换在人脸识别中的应用研究

论文类型: 硕士论文

论文专业: 模式识别与智能系统

作者: 汪妍

导师: 夏良正

关键词: 人脸识别,人脸特征定位,小波变换,主成分分析,人工神经网络,支持向量机

文献来源: 东南大学

发表年度: 2005

论文摘要: 人脸识别是依据某些标识对人进行身份识别,以达到监督、管理和识别目的的一种技术,被广泛应用于许多领域。近年来对这项技术进行了广泛而深入的研究,小波变换因其良好的时频局部化特性,能够提供最为实质的人脸特征、削弱噪声的干扰、减少计算量,因此将小波变换应用于人脸识别与检测具有良好的发展前景。本论文主要研究了小波变换在人脸识别中的应用,主要内容包括:1、提出了一种基于离散小波变换( DWT)的人脸检测与特征定位算法,该算法对人脸姿态、表情变化和遮盖物具有一定的鲁棒性,同时具有计算量小,效率高的特点;2、介绍了基于小波变换的PCA人脸识别算法,与经典的PCA人脸识别算法进行了比较,实验证明基于小波变换的算法具有更好的识别性能;3、介绍了基于小波变换和人工神经网络的人脸识别算法,该算法具有良好的人脸识别性能。研究了小波函数的特性以及离散小波变换级数对算法的影响,通过实验得出最合适的小波基函数和离散小波变换级数以及人工神经网隐含层神经元数,最后通过与离散余弦变换的比较表明离散小波变换具有较强的特征提取性能;4、介绍了基于小波变换和支持向量机的人脸识别算法,该算法能得到非常高的人脸识别率,对人脸表情、姿态、光照的变化,遮盖物的干扰都具有良好的鲁棒性。根据实验选择了最佳的核函数及其参数。

论文目录:

摘要

Abstract

第一章绪论

1.1 人脸识别研究的背景和意义

1.2 人脸识别研究现状和发展趋势

1.3 小波变换在人脸识别与检测中的应用

1.3.1 小波变换与人脸识别

1.3.2 基于小波变换的人脸特征提取

1.3.3 数字人脸图像的二维离散快速小波变换

1.4 本文的内容安排

第二章基于离散小波变换的人脸特征定位

2.1 人脸检测与特征定位研究简述

2.2 小波变换在人脸检测与特征定位中的应用

2.3 基于离散小波变换的人脸特征定位算法

2.3.1 人脸特征定位算法的基本思想

2.3.2 人脸特征定位算法

2.3.3 实验结果与分析

2.4 小结

第三章基于小波变换的 PCA 人脸识别技术

3.1 概述

3.2 PCA 方法基本原理

3.3 基于主分量分析法（PCA）的人脸识别

3.4 基于小波变换的 PCA 人脸识别算法与实验结果

3.5 小结

第四章基于小波变换和人工神经网络的人脸识别算法

4.1 概述

4.2 BP 网络的原理与结构

4.3 小波基函数与小波变换级数的选择

4.4 基于离散余弦变换（DCT）和人工神经网络的人脸识别算法

4.4.1 确定 DCT 系数个数与数据归一化处理

4.4.2 算法及实验结果

4. 5 基于离散小波变换和 BP 网络算法的实验结果

4.5.1 基于 DWT 和 BP 神经网络人脸识别算法实验结果

4.5.2 DWT 和 DCT 算法实验结果的比较

4.6 小结

第五章基于小波变换和支持向量机的人脸识别

5.1 概述

5.2 支持向量机基本原理

5.2.1 线性分类器

5.2.2 支持向量机

5.2.3 核函数

5.2.4 多类分类问题

5.3 基于小波变换和支持向量机的人脸识别算法与实验结果

5.4 小结

第六章总结

致谢

参考文献

作者在校期间发表的论文

发布时间: 2007-06-11

参考文献

[1].基于曲波变换的人脸识别算法研究[D]. 贾西贝.哈尔滨工程大学2011
[2].非线性相关滤波器组和稀疏表示的人脸识别算法研究[D]. 周杰.南京信息工程大学2018
[3].基于压缩感知的改进型人脸识别算法的研究[D]. 王银平.浙江工业大学2017
[4].基于低秩表示的判别子空间分析及应用研究[D]. 周雪.扬州大学2018
[5].一类协同表示人脸识别算法的研究[D]. 许瑞.南京信息工程大学2018
[6].基于协同表示的人脸识别算法研究[D]. 叶枫.杭州电子科技大学2018
[7].基于深度学习的人脸识别算法研究[D]. 章舸.杭州电子科技大学2018
[8].基于Jetson TX1的人脸识别算法的研究与实现[D]. 毛礼建.杭州电子科技大学2018
[9].基于局部遮挡的人脸识别算法研究[D]. 岳震.杭州电子科技大学2018
[10].基于子空间嵌入和深度学习的人脸识别研究[D]. 张昀.中国科学技术大学2018

小波变换在人脸识别中的应用研究

猜你喜欢