PCA毕设论文

《PCA毕设论文》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、由于广泛的应用，比如用于监视和安全，身份鉴别，存取控制等，最近几年，人脸识别引起了广泛的兴趣。最近的几十年，关于人脸识别人们已经提出了许许多多的方法。在这些方法中，PCA和LDA技术，已经被证明为是两种大有前途的方法。我们要做的就是提高人脸识别的正确识别率，为了达到这个口的，我们从以下几个方面下手：特征提取，分类器选择。特征提取是模式识别中最基本的问题Z-,在人脸识别中，抽取有效的鉴别特征是解决问题的关键，主成分分析(PrincipalComponentAnalysis,PCA)和Fisher线性鉴别分析是属于线性投

2、影分析，是特征提取中最为经典和广泛使用的方法。该文就有关线性投影分析的理论与算法进行了研究。最后，在ORL标准人脸数据库上进行了试验表明,PCA方法在普通的最近邻分类器下最高达到了95%的正确率，LDA也达到了92.5%的正确率，而且识别结果十分稳定。关键词：主元分析；Fisher鉴别准则；线性鉴别分析；特征抽取；人脸识别ABSTRACTFacerecognitionhasbeenofgreatinterestinrecentyearsbecauseitswiderangeofapplicationsuchassur

3、veillanceandsecurity,identityauthenticationandaccesscontrol,etc.Numerousmethodshavebeenproposedforfacerecognitioninthelastdecade.Amongalltheseapproaches,techniquesbasedonPCAandLDA,havebeenprovedtobetwopromisingapproach.Inordertoenhancetheaccuracyoftherecognitio

4、n,themaingoalofourresearch,wedealwiththeproblemsasfollow：featureextraction,classifierselection.Featureextractionisoneofthemostfundamentalproblems.Infacerecognition,toextractthevaliddiscriminatingfeatureplaysthekeyroletosolvetheproblems.PCAandfisherareboththemos

5、ttypicalmethodsthatarebasedonlinearprojectionanalysisandwidelyused.Thistextdoesafurtherresearchontheoriesandalgorithmsoflinearprojectionanalysis.Finally,thePCAalgorithmwastestonORLfacedatabase,andarecognitionrateof97%wasachievedbyusingacommonnearestneighborclas

6、sifier,whileLDAis97.2%,andtheclassificationresultisveryrobust.Keywords：PCA(principalcomponentanalysis)；Fishercriterion；lineardiscriminateanalysis；featureextraction；facerecognition第一章绪论11.1课题研究的背景11.2模式识别系统11.3国内外生物特征技术的最新发展31.4我国生物特征技术的发展与应用概述41.5本文主要研究的内容4第二章人

7、脸图像的有效鉴别特征抽取52.1引言52.2人脸图像的代数特征52.2.1奇异值特征52.2.2最佳鉴别投影特征62.2.3特征脸（K-L变换特征）82.3木章小结10第三章主成分分析法（PCA）113.1引言113.2主元分析发展的和关介绍113.3主元分析（PCA）方法123.3.1PCA思想与最优投影矩阵123.3.2特征抽取133.3.3分类133.4主元分析（PCA）方法在人脸识别中的应用143・5木章才、节14第四章线性鉴别分析（LDA）154.1引言154.2线性鉴别分析方法的发展154.3线性鉴别分析

8、的基木原理164.4Fisher线性鉴别法174.5线性鉴别分析在人脸识别中的应用174.6分类184.7木章小节18第五章实验结果195.1实验数据库介绍195.20RL人脸库上的实验结果205.2.1得到的特征图像202.2.2不同训练样木下的识别率205.2.3两种算法运行吋间的比较215.2.4不同方法的特征值分布情况215.3眼睹数据