人脸识别过程中特征提取方法的研究

《人脸识别过程中特征提取方法的研究》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、分类号密级硕士学位论文题目：人脸识别过程中特征提取方法的研究英文并列题目：FeatureExtractionResearchontheFaceRecognitionProcess研究生：赵冬娟专业：计算机软件与理论研究方向：信息管理系统与应用软件技术导师：梁久祯指导小组成员：学位授予日期：答辩委员会主席：江南大学地址：无锡市蠡湖大道1800号二〇二一年十月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含本人为获得江南大学或其它教育机构的学位或证书

2、而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。签名：日期：关于论文使用授权的说明本学位论文作者完全了解江南大学有关保留、使用学位论文的规定：江南大学有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅，可以将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、汇编学位论文，并且本人电子文档的内容和纸质论文的内容相一致。保密的学位论文在解密后也遵守此规定。签名：导师签名：日期：摘要特征提取对高维数数据的分类具有重要的研究意义，应用非常广泛。特征提取的目的是提取一组特征，使得这些

3、特征的维数比原始数据的维数低，且保持数据的类别特性。用提取的特征代替原始数据进行各种处理，能使与特征数量有关的分类过程的计算量减少，同时因为去除了数据的相关特性，从而提高分类效率。本文主要包括以下几个方面的内容：（1）融合小波和自适应类增广PCA的人脸识别。该方法首先用离散小波变换对人脸图像进行压缩，提取人脸的低频分量，然后再利用自适应的类增广PCA方法对小波变换后的人脸低频分量进行特征提取，从而达到进一步降维的目的。不同于类增广PCA，该方法不需要构建样本的类间信息，使用起来更加灵活，又由于小波变换对图像的预处理，算法的识别率和耗时也得到了进一步的优化。（2）融合2DPCA和模

4、糊2DLDA的人脸识别。该方法首先对人脸图像进行2DPCA处理，再用模糊K近邻算法计算图像的隶属度矩阵，并将其融入到2DLDA过程中，从而得到模糊类间散射矩阵和模糊类内散射矩阵。与(2D)2PCALDA相比，该算法充分利用了(2D)2PCALDA的优点，有效地提取了行和列的识别信息，并充分考虑了样本的分布信息。（3）二维类增广PCA首先用2DPCA直接对人脸图像矩阵提取特征，其次对提取的特征进行归一化处理，然后将归一化处理后的特征与类别信息结合成为类增广数据，最后对类增广数据进行2DPCA处理，提取最终的特征。该算法既保留了人脸图像的结构信息，又考虑了样本的类别信息，使得识别率有

5、了大大地提高。关键词：人脸识别；特征提取；小波变换；类增广PCA；模糊集理论AbstractAbstractFeatureextractionisanimportantissueintheclassificationofdatawithalargedimension.Thepurposeoffeatureextractionistogenerateasetoffeaturesthathaveasmallerdimensionthanthedimensionoftheoriginaldata,whileretainingthedatacharacteristicssufficien

6、ttoclassifythedata.Theseextractedfeaturescanreducethecomputationforclassificationwhichisrelatedtothenumberoffeatures,andimproveclassificationperformancebyremovingirrelevantcharacteristicsinadataset.Themajorcontentofthispaperisasfollows:（1）Facerecognitionusingwavelettransformandadaptiveclass-a

7、ugmentedPCAFirstofall,humanfaceimagesarecompressedusingDiscreteWaveletTransform.Thenthefeaturesoflow-frequencycomponentareextractedbytheadaptiveclass-augmentedPCA.Differentfromtraditionalclass-augmentedPCA,themethoddoesnotrequireconstructingt