GUI,界面基于PCA,算法matlab,人臉检测识别.docVIP

PAGE PAGE 20 数字图像处理论文 目录 TOC \o 1-3 \h \z \u HYPERLINK \l _Toc230098733 摘要 PAGEREF _Toc230098733 \h 2 HYPERLINK \l _Toc230098734 1 概述 PAGEREF _Toc230098734 \h 3 HYPERLINK \l _Toc230098735 1.1 人脸识别技术 PAGEREF _Toc230098735 \h 3 HYPERLINK \l _Toc230098736 1.2 PCA方法概述 PAGEREF _Toc230098736 \h 3 HYPERLINK \l _Toc230098737 2 识别功能的实现 PAGEREF _Toc230098737 \h 5 HYPERLINK \l _Toc230098738 2.1 PCA方法基本原理 PAGEREF _Toc230098738 \h 5 HYPERLINK \l _Toc230098739 2.2 基于主成分分析法的人脸识别 PAGEREF _Toc230098739 \h 6 HYPERLINK \l _Toc230098740 2.2.1 读入人脸库 PAGEREF _Toc230098740 \h 6 HYPERLINK \l _Toc230098741 2.2.2 计算K-L变换的生成矩阵 PAGEREF _Toc230098741 \h 6 HYPERLINK \l _Toc230098742 2.2.3 利用SVD定理求解特征值和特征向量 PAGEREF _Toc230098742 \h 7 HYPERLINK \l _Toc230098743 2.2.4 样本投影并识别 PAGEREF _Toc230098743 \h 8 HYPERLINK \l _Toc230098744 2.2.5 选择分类器识别人脸 PAGEREF _Toc230098744 \h 9 HYPERLINK \l _Toc230098745 2.3 基于PCA算法人脸识别的matlab实现 PAGEREF _Toc230098745 \h 9 HYPERLINK \l _Toc230098746 2.3.1 读取人脸库 PAGEREF _Toc230098746 \h 10 HYPERLINK \l _Toc230098747 2.3.2 利用生成矩阵求特征值和特征向量 PAGEREF _Toc230098747 \h 10 HYPERLINK \l _Toc230098748 2.3.3 选取阈值提取训练样本特征 PAGEREF _Toc230098748 \h 10 HYPERLINK \l _Toc230098749 2.3.4 选取测试样本进行识别 PAGEREF _Toc230098749 \h 11 HYPERLINK \l _Toc230098750 2.5 实验结果及分析 PAGEREF _Toc230098750 \h 11 HYPERLINK \l _Toc230098751 3 附加功能及GUI的设计 PAGEREF _Toc230098751 \h 13 HYPERLINK \l _Toc230098752 4 总结 PAGEREF _Toc230098752 \h 20 摘要 这次设计主要是完成了基于主成分分析(Principal Component Analysis，PCA)方法的人脸识别，为了便于操作，利用matlab GUI做了一个可视化界面，其中还附加了诸如图像平滑，锐化，灰度化，二值化，膨胀，腐蚀，二级小波分解及应用各种算子进行的边缘检测等功能，利用这些附加功能可以对待识别图像做简单的预处理，以提高识别率。PCA方法的基本原理是：利用离散K-L变换提取人脸的主要成分，构成特征脸空间，识别时把测试样本投影到该空间，构成一组投影系数，通过与特征脸的距离比较，距离最小的特征脸对应的即是识别结果。基于PCA的人脸识别分为三个阶段，第一个阶段利用训练样本集构建特征脸空间；第二个阶段是训练阶段，主要是将训练图像投影到特征脸子空间上；第三个阶段是识别阶段，将测试样本集投影到特征脸子空间，然后与投影后的训练图像相比较，距离最小的为识别结果。基于PCA的人脸识别其实一种统计性的模板比配方法，原理简单，易于实现，但也有不足，它的识别率会随着关照，人脸角度，训练样本集的数量而变换，但仍不失为一种比较好的方法。 1 概述 1.1 人脸识别技术 人脸识别技术是采用某种技术和手段对人的身份进行标识，从而依据该标识对人进行身份识别，以达到监督、管