人脸识别的弹性匹配改进方法研究

论文摘要

人脸识别作为一种非接触式、侵犯性小、易于被大众接受的生物特征识别技术,在理论研究和实际应用中都有着广泛的前景,是应用数学与图像处理以及模式识别多学科交汇。本文首先介绍了当前人脸识别算法的应用情况和人脸识别的六种方法,重点研究了基于弹性匹配方法的人脸识别和基于广义主成分分析方法(GPCA)的人脸识别,并对这两种方法提出了改进,具体内容如下：第一,研究了基于模板和关键点的弹性图匹配算法,并在此基础上做了改进,通过在ORL人脸库中进行实验得到改进后的人脸识别率。第二,实现了Gabor人脸识别过程,通过Gabor变换提取人脸图像的特征矩阵,在识别率没有下降的基础上,采用小波降维,减少计算量。研究了广义主成分分析方法,并在此基础上提出了改进方法,对人脸图像在水平方向和垂直方向上分别做主向量提取,通过对这两个方向上的特征矩阵进行适当的加权运算,从而得到一个新的矩阵,并进行识别。这两种方法均在ORL人脸库中进行了具体的实验,得到了优于主成分分析方法的人脸识别结果。第三,利用Gabor和广义主成分分析方法的优点,将Gabor变换与广义主成分分析方法的有机组合,得到一种新的人脸识别算法,本文给出了具体算法步骤,在具体运行中采用了小波降维,降低了图像矩阵的维数,减少了计算量,同时,在ORL人脸库中的进行具体实验,取得到了较好的识别结果。第四,Gabor与RBP神经网络的结合,充分利用了RBP神经网络的结构简单,非线性匹配逼近能力强、收敛速度快和全局收敛的特点,将提取的Gabor人脸特征进行细则分类,取得良好效果。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 人脸识别研究背景和意义
• 1.2 人脸识别的应用现状
• 1.3 人脸识别研究过程遇到的困难
• 1.4 本文的主要研究方法
• 第2章 人脸识别的研究
• 2.1 人脸图像的预处理
• 2.2 人脸识别的研究
• 2.2.1 基于几何特征的人脸识别方法
• 2.2.2 基于模板匹配的人脸识别方法
• 2.2.3 基于特征脸的人脸识别方法
• 2.2.4 基于隐马尔可夫模型的人脸识别方法
• 2.2.5 基于神经网络的人脸识别方法
• 2.2.6 基于弹性图匹配的人脸识别方法
• 2.3 基础知识介绍
• 2.3.1 小波介绍
• 2.3.2 Gabor滤波和Gabor核函数
• 2.3.3 距离函数的选取与方法介绍
• 2.4 基于弹性匹配的人脸识别方法
• 2.4.1 基于关键点的弹性图匹配
• 2.4.2 基于模板的弹性图匹配
• 2.4.2.1 弹性模板匹配的理论基础
• 2.4.2.2 改进的弹性模板匹配算法
• 2.4.2.3 小波分解的降维处理
• 2.4.2.4 实验结果与分析
• 2.5 基于广义主成分分析的人脸识别方法
• 2.5.1 K-L变换
• 2.5.2 广义主成分分析的人脸识别算法
• 2.5.3 改进的广义主成分分析算法
• 2.5.4 实验结果与分析
• 2.6 本章小结
• 第3章 基于GABOR变换的人脸识别方法的改进
• 3.1 基于Gabor和广义主成分分析的人脸识别算法改进
• 3.2 基于Gabor变换和神经网络分类器的人脸识别方法
• 3.3 实验结果与分析
• 3.4 本章小结
• 第4章 总结与展望
• 参考文献
• 致谢