关于人脸识别系统中的PCA算法

电子科技大学硕士学位论文关于人脸识别系统中的PCA算法姓名：马晓普申请学位级别：硕士专业：计算机软件与理论指导教师：章毅20040426关于人脸识别系统中的PCA算法作者：马晓普学位授予单位：电子科技大学相似文献(10条)1.学位论文周涛基于PCA的人脸识别研究2004人脸识别技术,作为目前模式识别领域研究的热点也是难点之一,其最早提出可以追溯到1888年[1].然而,到目前为止,由于人脸识别问题自身的复杂性,使得虽然有众多科学研究人员潜心研究多年,也做出了许多的成果,但离彻底解决并达到实用,仍旧有很多关键性的问题需要解决.该文结合研究生阶段参与教研室的科研项目,对人脸识别做了一定的研究.论文首先介绍了人脸识别的背景、研究范围以及方法,对人脸识别领域的一些理论方法作了总体的介绍.该文中所采用的人脸识别方法是比较经典的PCA(PrincipleComponentAnalysis,主成分分析)[17-21].主要工作包括:(1)、结合FERET[85]人脸库对人脸识别的预处理方法作了较为详细的介绍.预处理的方法包括几何校正、掩模、直方图均衡化、像素灰度值归一化.另外针对人脸库中图像尺寸太大而导致的计算量问题,采用了两种图像缩放的方法:灰度插值和小波分解.(2)、介绍了PCA人脸识别的方法,在大量实验的基础上对PCA在各种情况下的性能作了详细的分析,得到了一些有意义的结论,掌握了各种不同的参数设置对识别率所造成的影响.(3)、实现了一个基于PCA的实时人脸检测识别原型系统.2.期刊论文李欣.王科俊.贲晛烨.LIXin.WANGKe-Jun.BENXian-Ye基于MW(2D)~2PCA的单训练样本人脸识别-模式识别与人工智能2010,23(1)传统的人脸识别方法在单训练样本条件下性能会急剧下降,因此,研究出适合于单样本情况下的识别算法是人脸识别问题面临的巨大挑战.针对两个方向的二维主成分分析((2D)~2PCA)算法进行改进,文中提出将加权和分块与(2D)~2PCA相结合的方法称为分块加权(2D)~2PCA,以便更有效地提取人脸的局部特征.同时把模糊理论引入分类决策,应用于单训练样本人脸识别问题.在ORL人脸库以及部分CAS-PEAL人脸库中的实验结果表明,文中方法能取得较好的识别效果.3.期刊论文唐宜.刘知贵.任立学.张活力基于改进PCA算法的人脸识别研究-电脑知识与技术2009,5(33)在人脸识别中,PCA算法广泛地应用于人脸特征提取.本文提出一种改进PCA算法,有效地加大了人脸特征参数与其平均值间的散布程度,大大提高人脸特征参数的代表性.实验结果证明,改进PCA算法得到更好的人脸识别结果.4.期刊论文孟继成.夏雷.MENGJi-cheng.XIALei基于矩阵体积度量的二维PCA人脸识别-光电工程2007,34(10)本文提出一种符合高维几何空间理论的矩阵体积度量分类准则用于人脸识别.基于二维PCA的人脸识别方法主要研究的是特征提取部分,对后继的分类识别研究不多.基于二维PCA的人脸识别方法中典型的分类准则是比较特征向量的欧氏距离,而新方法比较的是矩阵的体积.在ORL和AR人脸库上的实验表明,所提出的矩阵体积度量较传统距离度量分类准则更有效.5.学位论文靳艳峰基于相位一致性和模PCA的人脸识别算法研究2007人脸识别技术是计算机模式识别领域非常活跃的研究课题，在法律、商业、安全系统等领域有着广泛的应用。由于人脸图像的特殊性，人脸识别问题也是模式识别领域的一个相当难的问题，而且更是一项极具挑战性的课题，它汇聚了多个学科的知识与技术，如信号处理、智能控制、模式识别、机器视觉等。如何利用计算机对人脸图像进行快速准确的自动识别以及如何提高识别准确率等等，一直是图像处理与模式识别的研究热点与难点，要使这一技术完全成熟还有很多工作需要去做。通过对现有人脸识别算法进行较深入的分析和研究，以及分析影响人脸识别率的光照因素，总结出一种基于相位一致性原理的新方法。该方法通过Fourier变换后得到的相位信息中包含有丰富的纹理结构信息，并将相位一致性原理应用于人脸图像边缘检测中，取得了很好的效果，并展示了相位信息所揭示的图像的本质特征。实验证明，利用相位重构图像能够在很大程度上去除光照条件影响的特性，通过光照无关特征提取对人脸图像进行处理，提高了识别准确率，同时也证明了相位谱重构与相位一致性分析结合可以进行人脸图像的光照无关特征提取。同时考虑到姿势表情等因素给人脸识别带来的影响，本文对主元分析法(PCA)进行了深入的研究，并在此基础上提出了一种基于相位一致性图像的模PCA方法。该方法既是对PCA方法的延伸，又是对传统的模块化PCA方法的改进。该方法首先对人脸图像进行的相位一致性处理消除了光照对识别带来的影响，而模块化又兼顾了图像的局部特征，降低了姿势表情因素的影响，其次还为人脸识别算法的研究提供了新的思路。实验结果表明该方法是行之有效的。6.期刊论文朱玉莲.ZhuYulian模糊的类内矩阵模式主分量分析及在人脸识别中的应用-南京航空航天大学学报（英文版）2008,25(2)矩阵模式主分量分析(MatPCA)作为有效的特征提取方法能同时处理矩阵表式的模式和向量表式的模式.但与主分量分析(PCA)方法一样,MatPCA没有使用样本的类别信息,因此所提取的特征不能提供足够的判别信息,进而影响随后的分类性能.为有效利用样本的类别信息,在MatPCA基础上提出了一种新的特征提取方法棗模糊的类内MatPCA(F-WMatPCA).F-WMatPCA利用模糊K最近邻(FKNN)求解训练样本的模糊隶属度并在模糊的类内执行MatPCA.由于F-WMatPCA使用更多的类别信息,因此能有效地提高识别精度.对ORL,Yale人脸数据集和几个UCI数据集做了实验,结果证实了该方法的有效性.另外,讨论了F-WMatPCA在人脸识别上的应用,并与F-Fisherfaces作了比较,结果表明F-WMatPCA具有比F-Fisherfaces更稳定、更鲁棒的识别性能.7.学位论文胡琳基于小波变换和人工神经网络的PCA人脸识别方法研究2002人脸识别是一个涉及面广且又前景广阔的研究课题,近几年来关于人脸识别的研究取得了较大的进展.该文首先介绍了计算机人脸识别技术的研究背景和主要方法,然后提出了一种基于小波变换和人工神经网络的主元分析人脸识别方法.首先对人脸图像进行预处理,消除了光照强度差异的影响,然后用小波变换的方法提取人脸图像的相对稳定的低频子带,并同时达到了对图像向量降维的效果;然后用主元分析法（PCA）提取特征分量,主元分析法根据人脸图像整体的灰度相关性来提取特征向量,所提取出的特征向量保留了原图像空间中的主要分类信息,并能在均方误差最小的意义上重建原图像.然后用BP人工神经网络进行训练和识别.该算法将PCA优化的特征抽取与神经网络的自适应性相结合,取得了较高的识别率和优良的抗噪声性能.与传统的PCA方法相比,该算法大大降低了运算复杂度,所提取的特征更加反映了人脸之间的差异,提高了识别率和抗噪声性能,实验结果表明该文所提出的算法是准确有效的.8.学位论文冯素玲基于小波变换的PCA人脸识别方法研究2004基于人体生物特征识别技术的个人身份鉴别系统，由于使用了人体本身所固有的生物特征，是与传统方法完全不同的崭新技术，具有更好的安全性、可靠性和有效性，越来越受到人们的重视，它开始进入社会的各个领域，迎接时代的挑战。日常生活中，人们识别周围的人用的最多的生物特征是人脸，人脸是人类视觉中最为普遍的模式，人脸所反映的视觉信息在人与人的交流、交往中有着重要的作用和意义。因而人脸识别是一种最容易被接受的身份鉴定方法，成为最有潜力的身份验证手段之一。该论文首先介绍了计算机人脸识别技术的研究背景和主要方法，然后提出了一种基于小波变换的特征脸人脸识别方法。特征脸人脸识别方法是M.Turk和A.Pentland提出的，直到现在，它仍是最流行的人脸识别算法。该方法具有简单有效的特点，但它对输入的人脸图像的归一化要求较高，其性能容易受到光照和姿态变化的影响。因此，该论文首先采用改进的直方图均衡化技术对人脸图像进行预处理，消除了光照强度差异的影响；然后用小波变换的方法提取人脸图像的相对稳定的低频子带，模糊了人脸表情和姿势的影响，并同时达到了对图像向量降维的效果；进而用主元分析法(PCA)提取特征分量并进行识别。主元分析法根据人脸图像整体的灰度相关性来提取特征向量，所提取出的特征向量保留了原图像空间中的主要分类信息，并能在均方误差最小的意义上重建原图像。该算法与传统的PCA方法相比，大大降低了运算复杂度，所提取的特征更加反映了人脸之间的差异，提高了识别率和抗噪声性能，实验结果表明该文所提出的算法是准确有效的。9.期刊论文陈伏兵.杨静宇.CHENFu-bing.YANGJing-yu分块PCA及其在人脸识别中的应用-计算机工程与设计2007,28(8)主成分分析(principalcomponentanalysis,PCA)是公认的特征抽取的最为重要的工具之一,目前仍然被广泛地应用在人脸等图像识别领域.基于PCA,提出了分块PCA的人脸识别方法.分块PCA方法先对图像进行分块,对分块得到的子图像利用PCA进行鉴别分析.其特点是能有效地抽取图像的局部特征,对人脸表情和光照条件变化较大的图像表现尤为突出.与PCA方法相比,由于使用子图像矩阵,分块PCA可以避免使用奇异值分解理论,过程简便.此外,PCA是分块PCA的特例.在Yale和NUST603人脸库上的试验结果表明,所提出的方法在识别性能上明显优于经典的PCA方法,识别率可以分别提高6.7和4.4个百分点.10.学位论文林玲基于2D-PCA的人脸识别方法研究2008在信息技术飞速发展的今天，信息安全显示出前所未有的重要性。电子商务、电子银行、网络安全等应用领域更是急需高效的自动身份认证技术，生物特征识别技术以其特有的稳定性、唯一性和方便性，得到越来越广泛地应用。生物特征识别技术将信息技术与生物技术相结合，利用人体本身具有的物理特征(如人脸、虹膜、掌纹等)或行为特征(如步态、签名、声音等)来确定人的身份，以取代或加强传统的身份识别方法。在生物特征识别技术中人脸识别是一个具有很高理论和应用价值的研究课题。人脸是人类视觉中最为普遍的模式，它所反映的视觉信息在人与人的交流和交往中有着及其重要的意义。人脸的特殊性，使得人脸识别技术成为最具潜力的身份识别方式，并且日益受到人们的广泛关注成为模式识别领域研究的热点。本文在对主成分分析作了深入研究的基础上，提出了一种改进的2D-PCA人脸识别方法。在训练阶段对人脸图像进行预处理，对训练样本集利用本文提出的方法计算主成分分量，定义特征空间，对每一个训练样本确定特征系数矩阵；在识别阶段对检测样本进行同样的预处理操作，并将其映射到由训练样本计算得来的特征空间之上，得到一组检测样本的特征系数矩阵；最后根据最小距离分类器进行识别验证。本文分别在ORL人脸图像库，YaleB人脸图像库，AMP人脸图像库进行实验，验证了本文提出的方法的有效性，并对本文的方法与传统的2D-PCA方法进行对比，实验表明，本文提出的方法在多表情的人脸图像中具有较好的识别效果，对表情变化具有一定的鲁棒性。引证文献(6条)1.马晓普.梁晶晶.赖国勇基于用户兴趣的个性化搜索引擎系统[期刊论文]-攀枝花学院学报（综合版）2009(3)2.曹永辉.伍瑞卿.樊丰灰度图像人脸检测算法研究[期刊论文]-电视技术2007(11)3.张坤基于灰色系统理论的脑功能图象特征提取研究[学位论文]硕士20074.尹克重基于ICA的人脸识别算法研究[学位论文]硕士20065.余蓓蓓.余娟基于主元分析法的特征脸法在人脸识别中的应用[期刊论文]-黑龙江水专学报2005(2)6.吴英男基于最近邻原则图像识别的PCA新算法[学位论文]硕士2005本文链接：授权使用：西北农林科技大学(x