基于nsct变换和深度学习神经网络的人脸识别算法研究

《基于nsct变换和深度学习神经网络的人脸识别算法研究》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、工程硕士学位论文基于NSCT变换和深度学习神经网络的人脸识别算法研究李金旭哈尔滨理工大学2016年3月国内图书分类号：TP391工程硕士学位论文基于NSCT变换和深度学习神经网络的人脸识别算法研究硕士研究生：李金旭导师：刘侠申请学位级别：工程硕士学科、专业：控制工程所在单位：自动化学院答辩日期：2016年3月授予学位单位：哈尔滨理工大学ClassifiedIndex：TP391DissertationfortheMasterDegreeinEngineeringANovelFacialRecognitionMethodBasedonNSCTTransformationandDeepLearn

2、ingNeuralNetworkCandidate：JinxuLiSupervisor：LiuXiaAcademicDegreeAppliedfor：MasterofEngineeringSpecialty：ControlEngineeringDateofOralExamination：March,2016University：HarbinUniversityofScienceandTechnology哈尔滨理工大学硕：ｔ学位论文原创性声明本人郑重声明：此处所提交的硕±学位论文《基于ＮＳＣＴ变换和深度学习神经网络的人脸识别算法研究》，是本人在导师指导下，在哈尔滨理工大学攻。读硕±

3、学位期间独立进行研究工作所取得的成果据本人所知，论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要。贡献的个人和集体，均己在文中明确方式注明本声明的法律结果将完全由本人承担。：作者签字曰期：７。年月曰（三；才全六ｇ｜）哈尔滨理工大学硕±学位论文使用授权书《基于ＮＳＣＴ变换和深度学习神经网络的人脸识别算法研究》系本人在哈尔滨理工大学攻读硕±学位期间在导师指导下完成的硕±学位论文。本论文的研。究成果归哈尔滨理工大学所有，本论文的研究内容不得１＾其它单位的名义发表本人完全了解哈尔滨理工大学关于保存、使用学位论文的规定，同意学校保留

4、并向有关部口送交论文的复印件和电子版本。本人授，化许论文被查阅和借阅权哈尔滨理工大学，可Ｗ采用影印、缩印或其他复制手段保存论文，可公布论文的全部或部分内容。本学位论文属于不保密团。（请在Ｗ上相应方框内打Ｖ）甚：ＡｋＭ曰巧作者签名；７？）年Ｊ月３曰）导师签名：＾曰期Ｉ月３曰Ｉ基于NSCT变换和深度学习神经网络的人脸识别算法研究摘要人脸识别技术是一种新型的智能识别技术，同时也一种新型的计算机视觉图像处理技术。人脸识别技术主要包括人工智能学科，模式识别学科，图像处理学科以及计算机编程等多个学科领域。现阶段，随着计算机硬件性能以及计算机编程技术的快速发展，人

5、脸识别计算被广泛应用在信息安全，人物识别等多个安全领域。但是，在实际情况中，采集的人脸图像往往受到光线照射，人脸面对采集设备的角度以及人体毛发的遮挡等多种因素的干扰，这大大增加了人脸识别的难度。因此人脸识别技术是一种复杂度较高，实现难度大的模式识别技术。针对这个问题，本文提出了一种基于NSCT变换和DeepLearning深度学习神经网络的人脸识别算法。该算法首先对采集得到的带干扰人脸图像进行预处理，这里，图像预处理操作主要包括直方图均衡化，图像校正以及图像中值滤波，从而获得高质量的样本图像。然后通过NSCT变换获得人脸图像的高低频特征数据，图像NSCT变换之后的特征数据具有多分辨率、局部化

6、和多方向等特点，还具有平移不变性，然后将NSCT变换之后的高维度特征数据通过PCA降维之后获得低维度的人脸特征数据，接着通过DeepLearning深度学习神经网络进行特征训练和特征学习。该神经网络主要由两个层叠结构的最优学习效率RBM和一个GRNN神经网络组成，通过这种新型深度学习神经网络对人脸图像进行深层次的训练和学习。最后，通过MATLAB对算法进行编程，验证该算法的有效性，通过使用ORL和YALE人脸图像库进行性能验证。并将该算法和其他几种人脸识别算法进行对比，本文所提出的人脸识别算法不仅具有较高的人脸识别率，而且占用较小的特征向量存储空间。经仿真验证，在没有干扰的情况下，本文所提出

7、的算法具有97%的人脸识别率，当存在外部干扰的时候，仍具有89%以上的人脸识别正确率率，具有较好的人脸识别性能。关键字：NSCT，深度学习，人脸识别，特征提取，RBM，GRNNIANovelFacialRecognitionMethodBasedonNSCTTransformationandDeepLearningNeuralNetworkAbstractFacerecognitiontechnologyin