基于粗集和小波變換的人臉識別研究.pdf

1、近年來,生物特征識別技術隨著計算機技術、電子技術以及自動控制技術的發(fā)展而取得了長足的進步,生物特征以其高可靠性、普遍性以及低欺騙性,越來越常用于身份識別領域。在各種生物特征識別技術中人臉識別是近年來生物醫(yī)學工程以及模式識別領域的研究熱點,由于人臉識別方法的簡單易行,信息采集方便,適用范圍廣泛,所以在公共安全領域以及司法領域有越來越廣泛的應用。
　　 人臉識別的基本步驟包括圖像預處理,特征提取和特征識別等,在各個步驟中研究人員已經(jīng)

2、提出了很多有效的研究方法,在這些方法中也存在一些缺陷和不足,本文將采用改進的基本算法進行人臉識別的研究分析。在進行識別工作之前本文首先利用小波變換對圖像進行壓縮降維、去噪和增強等預處理,以利于后續(xù)步驟的進行,在特征提取和識別過程中我們將利用PCA(Principal Component Analysis)方法和局部特征識別相結合的算法,并利用粗集理論進行算法的改良。
　　 本文將分三個部分表述論文的主要工作:
　　 (1

3、)首先我們利用小波變換的優(yōu)良性質(zhì)去除圖像中的隨機噪聲,然后通過實驗確定壓縮比,進行圖像壓縮,從而不影響后續(xù)的識別步驟。為了增強圖像細節(jié),提高圖像可辨別度,我們使用直方圖均衡的方法進行處理。對直方圖均衡后得到的圖像我們很容易進行邊緣提取,并對圖像中的人臉進行定位。
　　 (2)基于PCA的特征臉法是通過K-L變換提取人臉圖像的整體信息,這樣的識別方法不能反映圖像的局部細節(jié)特征,往往會造成識別的誤差。本文中我們采用PCA方法和Gab

4、or小波局部特征識別相結合的方法,以求達到較好的識別結果。PCA方法中選擇特征向量的方法比較簡單,可能會忽略一些重要的信息或者摻入冗余信息,所以我們利用粗集理論的知識約簡理論來選擇特征向量,使得特征向量的選擇更有針對性。
　　 (3)我們進行仿真分析,將普通PCA特征臉法和我們改進的方法進行實驗比較,通過對比得到的數(shù)據(jù),驗證我們提出的方法的可行性、識別性能并指出方法的缺陷和不足。
　　 最后我們對全文進行總結,指出需要改