小波子空间人脸识别方法

《小波子空间人脸识别方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、HEBEIUNIVERSITY密级：秘密分类号：学校代码：10075学号：100752012172硕士学位论文小波子空间人脸识别方法学位申请人：赵文秀指导教师：翟俊海教授企业导师：赵振东副教授学位类别：工程硕士专业领域：计算机技术授予单位：河北大学完成日期：二〇一五年五月ClassifiedIndex：CODE：10075U.D.C：NO：100752012172ADissertationfortheDegreeofMasterFaceRecognitionMethodsBasedonWaveletSubspaceCandidate:Z

2、haoWenxiuSupervisor:Prof.ZhaiJunhaiAdvisorinEnterprise:A.P.ZhaoZhendongAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ComputerTechnologyUniversity:HebeiUniversityDateofAccomplishment:May，2015摘要摘要随着信息技术和人工智能技术的快速发展，生物信息识别无论在研究领域还是工业应用上都取得了巨大的进步，人脸识别作为生物特征识别的重要分支一直是

3、热门的研究领域，人脸识别的研究具有重要的理论意义和应用价值。本文主要工作包括两个方面：（一）针对Mohammed等人提出的基于小波变换和极端学习机的人脸识别方法的不足，提出了一种简单有效的人脸识别方法，该方法直接利用小波子空间特征进行人脸识别，在保障识别精度的前提下，降低了算法的计算复杂度。（二）利用概率神经网络分类器学习速度快易于实现的特点，提出了一种软组合概率神经网络分类器人脸识别方法，该方法包括三步：(1)对人脸图像做不完全小波包分解；(2)用包含低频成分的小波子空间图像训练概率神经网络分类器；(3)用模糊积分组合训练好的分类器。

4、与3种基于矩阵子空间的人脸识别方法在JAFFE、YALE、ORL和FERET4个人脸数据库上进行了实验比较，实验结果显示本文提出的方法在识别精度和CPU时间两方面均优于这3种方法。关键词人脸识别小波变换集成学习极端学习机概率神经网络模糊积分IAbstractAbstractWiththerapiddevelopmentofinformationtechnologyandartificialintelligencetechnology,biologicalinformationrecognitionhasmadegreatprogress

5、bothinresearchesandindustrialapplications.Asanimportantbranchofbiologicalinformationrecognition,facerecognitionhasbeenahotresearchtopic,itisverymeaningfulintheoryandvaluableinpracticetostudyfacerecognition.Themainworksofthispaperincludetwoaspects:(1)inordertodealwiththed

6、rawbacksofthemethodproposedbyMohammedandhisco-researchers,whichisbasedonwavelettransformandextremelearningmachine.Thispaperproposesasimpleandefficientfacerecognitionmethodwhichdirectlyusesthefeaturesofwaveletsubspaceforfacerecognition,theproposedmethodcanreducethecomputa

7、tionalcomplexitywithoutdegeneratingtherecognitionaccuracy.(2)takingadvantagesofprobabilisticneuralnetworkwhichhasafastlearningspeedandeasyimplementation,thispaperproposesanapproachofsoftcombinationofprobabilisticneuralnetworkclassifiersforfacerecognition.Themainstepsofth

8、eproposedmethodinclude:(a)Theincompletewaveletpacketdecompositionoffaceimages;(b)TrainingPNNclassifiers