结合改进的中心对称局部二值模式人脸识别研究

结合改进的中心对称局部二值模式人脸识别研究

ID:35094874

大小:2.54 MB

页数:49页

时间:2019-03-17

结合改进的中心对称局部二值模式人脸识别研究_第1页
结合改进的中心对称局部二值模式人脸识别研究_第2页
结合改进的中心对称局部二值模式人脸识别研究_第3页
结合改进的中心对称局部二值模式人脸识别研究_第4页
结合改进的中心对称局部二值模式人脸识别研究_第5页
资源描述:

《结合改进的中心对称局部二值模式人脸识别研究》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、学校代码10530学号201330101238分类号TP391密级硕士学位论文结合改进的中心对称局部二值模式人脸识别研究学位申请人刘凡指导教师杨恢先教授学院名称物理与光电工程学院学科专业集成电路工程研究方向图像处理与模式识别二〇一六年五月十五日FaceRecognitionBasedonImprovedCenter-symmetricLocalBinaryPatternCandidateFanLiuSupervisorProfessorHuixianYangCollegePhysicsandOptoelectro

2、nicEngineeringProgramIntegratedCircuitEngineeringSpecializationImageProcessingandPatternRecognitionDegreeXiangtanUniversityUniversityXiangtanUniversityDateMay15th,2016湘潭大学学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成

3、果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权湘潭大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名:日期:年月日导师签名:日期:年月日摘要人脸识别技术是近年来被

4、研究和应用得非常广泛和深入的一种生物识别技术,它与其他生物识别技术相比,具有非接触性和高保密性的优点,因此在身份识别、人机交互以及金融安全等领域有非常好的应用前景。尽管在人们的努力下,人脸识别技术越来越成熟,但是在充满变化的自然环境下,人脸识别技术仍然面临着表情变化、光照变化等因素的影响和挑战。人脸识别过程主要包括人脸检测、图像预处理、特征提取以及特征识别四个主要的步骤,本文对人脸识别的过程展开了研究,主要研究了中心对称局部二值模式(Center-symmetriclocalbinarypattern,CS-LB

5、P)在人脸识别中的应用,论文重点研究内容:(1)提出一种基于拉普拉斯滤波与中心对称局部二值模式(LaplaceFilterandCenter-symmetricLocalBinaryPattern,LFCLBP)单样本人脸识别方法。首先对人脸图像进行拉普拉斯滤波处理;然后对已滤波处理的人脸图像通过欧氏距离的方法求得梯度幅值和梯度相位,对前者使用CS-LBP算子编码,将后者量化到16个区间,得到二进制编码特征,即LFCLBP特征。最后对人脸图像进行匹配识别。在人脸库上进行实验,实验结果表明所提算法有效。(2)提出一

6、种结合深度学习与中心对称局部二值模式(DeepLearningandCenter-symmetricLocalBinaryPattern,DLCLBP)的单样本人脸识别方法。首先利用CS-LBP算子对人脸图像进行编码,得到人脸特征;然后将人脸的CS-LBP特征作为深度信念网络(DBN)的输入,逐层的训练网络,在顶层形成分类面;最后用训练好了的深度信念网络对人脸图像样本进行识别。在YALE人脸库和ORL人脸库上进行实验,结果表明所提算法有效。(3)提出一种稀疏表示的局部相位模式(Sparse-basedRepres

7、entationClassificationandLocalPhaseQuantization,SRCLPQ)的单样本人脸识别。首先利用LPQ算子提取人脸图像的LPQ相位特征,然后统计其直方图特征。将直方图特征作为输入量,用SRC算法进行分类识别。在AR人脸库和FERET人脸库上进行实验,结果表明所提算法有效。关键词:人脸识别中心对称局部二值模式单样本拉普拉斯滤波深度学习最近邻分类器1AbstractFacerecognitiontechnologyresearchandapplicationinrecentye

8、arshasbeenverybroadanddeepabiometrictechnology,itiscomparedwithotherbiometrictechnologies,hasanon-contactandhighsecurityalittle,sotheidentification,humaninteractionaswellasfinancialsecuri

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。