基于亮度归一化的人脸识别的研究及应用

论文摘要

人脸识别到目前为止还是一个比较困难的课题,特别是在人脸识别系统中针对光照不均,不稳定的问题,一直以来是人脸识别系统中必须要解决的问题,同时也是影响人脸图像识别率的关键因素。所以本文提出通过色彩空间的转换把在不同亮度条件下的人脸图像进行亮度归一化处理,从而提高人脸识别率。由设备相关的色彩空间RGB转换为设备无关的色彩空间L*a*b*,提取亮度信息,同时对图像各个部分图像亮度信息均一化处理,使得图像的各个部分均匀化,从而提高识别效果和识别率。人脸识别的研究是图像模式识别和人工智能领域内的重要课题,本文提出的人脸识别的方法主要有基于小波分解频谱性分析的人脸特征提取,因为基于小波分解频谱的方法极大减少了图像的存储空间和计算复杂度。本文的实验分为两个阶段,第一阶段是图像的预处理部分,创新点在于色彩空间转换后的亮度均一化,之后是基于Harris角点的检测,定位,实现的几何均一化处理,之后是基于sym8小波实现图像的压缩处理,减少图像的数据量,同时保留重要的图像特征信息。第二阶段是利用BP神经网络实现人脸图像的训练和模拟。最后统计识别率,本文重要的结论在于经过亮度均一化处理后的图像在400幅人脸图像中识别率达到87.6%而,没有经过亮度均一化的图像识别率仅有74.2%,识别率得以提高很多。

论文目录

• 目录
• 摘要
• Abstract
• 第一章 引言
• 1.1 研究背景及意义
• 1.1.1 背景
• 1.1.2 意义
• 1.2 本文研究内容
• 1.3 本文研究成果及结构安排
• 1.3.1 本文研究成果
• 1.3.2 本文的结构安排
• 第二章 RGB到LAB颜色空间转换原理及Matlab实现
• 2.1 颜色空间的概念
• 2.2 颜色空间的分类
• 2.3 颜色空间的转换
• *a^*b^*颜色空间'>2.4 CIEL^*a^*b^*颜色空间
• *a^*b^*颜色空间转换'>2.5 RGB与CIEL^*a^*b^*颜色空间转换
• *a^*b^*颜色空间转换'>2.6 Matlab实现RGB与CIEL^*a^*b^*颜色空间转换
• 第三章 图像小波变换理论及应用
• 3.1 背景
• 3.1.1 图像金字塔
• 3.1.2 子带编码
• 3.2 多分辨率展开
• 3.2.1 序列展开
• 3.2.2 尺度函数
• 3.2.3 小波函数
• 3.3 一维小波变换
• 3.3.1 小波序列展开
• 3.3.2 离散小波变换
• 3.3.3 连续小波变换
• 3.4 二维小波变换
• 3.5 小波变换在图像处理方面的应用
• 3.5.1 基于小波分析的图像压缩
• 3.5.2 图像的滤波和基于小波图像去噪
• 3.6 小波分解的图像压缩用于人脸特征提取
• 第四章 BP神经网络在人脸识别中的应用
• 4.1 背景介绍
• 4.2 BP神经网络
• 4.3 BP神经网络识别策略
• 4.3.1 训练集和测试集
• 4.3.2 后验概率转换器
• 第五章 实验及计算识别率
• 5.1 人脸识别数据库
• *a^*b^*色彩空间到RGB色彩空间转换及亮度归一化处理'>5.2 L^*a^*b^*色彩空间到RGB色彩空间转换及亮度归一化处理
• 5.3 Harris角点检测
• 5.3.1 理论基础
• 5.4 利用sym8小波实现图像压缩
• 5.5 BP神经网络实验
• 5.5.1 训练
• 5.5.2 测试与模拟
• 第六章 总结与展望
• 6.1 本文总结
• 6.2 展望
• 参考文献
• 攻读硕士学位期间发表的论文
• 致谢