小波变换在人脸识别中的应用研究.pdf

小波变换在人脸识别中的应用研究.pdf

ID:51241349

大小:2.03 MB

页数:62页

时间:2020-03-22

小波变换在人脸识别中的应用研究.pdf_第1页
小波变换在人脸识别中的应用研究.pdf_第2页
小波变换在人脸识别中的应用研究.pdf_第3页
小波变换在人脸识别中的应用研究.pdf_第4页
小波变换在人脸识别中的应用研究.pdf_第5页
资源描述:

《小波变换在人脸识别中的应用研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、9791178‘i’拳号:—了t{7』密缀.虞哥。一in(I=J&L型L学号:.£!竖堑东硕士寅大学位r2竖—=,--论文,j.、波变换在人脸识别中的应用研究研究生姓名:一一垂盟⋯fo溏舀申请警泣级别~j!L±——一学科专业名称横式塑£』皇智自£歪叠论)(提交日期21她生3旦⋯论文答辩日期!!Qi生?目一一享盅授予单位一盎直盍兰答辩委员会主席垂垫丝⋯学位授予曰期!Q生旦目评阅人一一一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

2、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:l、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

3、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。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AbstractFacerecognitionisanimportanttechniqueforhumanident.ityrecognitionwhensupervising,managingandrecognizingetc,a

4、nditisalsowidelYusedinmanyotherfields.WaveletTransformationcanextractsmostessentialfacefeatures,weakeninterferences.reducecomplicationforitisabletocapturebothspatialandfrequencylocalizationandprovideglobalapproximationandlocaldotallinformationatdifferentscales.Sotheresearchoffacerecognitionbasedo

5、nWaveletTransformationhasgoodforeground.Theresearchworkfocusesontheappl[cationofWaveletTransformonfacerecognition.Theprincipalworkare1istedasfollows:1.Anewmethodoffacialfeatureslocalizationbasedondiscretewavelettransformation(DWT)ispresented..Ourmethodismorerobustforchangesoffacialpose,expression

6、andcovering,whileithasfewercomputations.2.ThefacerecognitionalgorithmbasedonDWTandPr[ncipaIComponentAnalysis(PCA)ispresented.ThebasedBWTPCAalgorithmcangetbetterperformanceusinglesscomputationandlesstime.3.ThefacerecognitionalgorithmbasedonDWTandArtificialNeuralNetwork(ANN)ispresented.Thealgorithm

7、hasperfectresult.Byexperiments,TheOptimalwaveletbasefunction.wavelettransformationprogressionandthenumberofnervecellsinthehiddenlayerofANNaredetermined.4.Thefacerecognitionalgorithmbasedond竹andSupportVector16achine(S硼)

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。