- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种基于小波和DCT的人脸识别算法.pdf
第28卷第6期 宁夏师范学院学报(自然科学) Vl01.28.No.6
2007年l1月 Journal of Ningxia Teachers University(Natural Science) NOV.2oo7
一 种基于小波~[i[IDCT 人脸识别算法
杨绍华
(宁夏大学数学计算机学院,宁夏银川 750021)
(E-mail:yang_shh~nxu.edu.cn)
摘 要:提出了一种基于小波变换和离散余弦变~t(Discrete Cosine Transform DCT)的人脸识别方法,
它通过对经过小波变换的人脸图像的低频图像进行DCT变换,从而获得原始图像的频谱图像,然后利用
最近邻法进行分类,在ORLA~脸数据库上的实验表明这样的方法能够获得比传统主成分分析(Principal
Components Analysis PCA)更好的识别性,
关键词:人脸识别;小波变换;离散余弦变换
中图分类号:TP391 文献标识码:A 文章编号:1674-1331(2007)06-0049-05
Human Face Recognition Method Based on W avelet Tran sform an d DCT
YANG Shaohua
School of Mathematics and Computer Science,Ningxia university,Yinchuan,Ningxia 750021
(E-mail:yang_shh~nxu.edu.cn)
Abstract The algorithm of face recognition based on Wavelet Transform and Discrete Cosine Trans—
form was proposed in this paper.First the original image Was decomposed by wavelet transform.then,
the DCT method Can be directly used to the low frequent sub-images obtained from the previous step.In
the end,the classical K—Nearest Neighbor(KNN)method is performed on the reductions for the pattern
classification.The experiment based on ORI DATABASE shows that the above-mentioned algorithm
performs faster training speed and higher accuracy of recognition than traditional PCA method.
Key words Face recognition;Wavelet transform;Discrete cosine transform(DCT)
1 引言
在模式识别领域,人脸识别一直是一个重要的研究课题,并且具有广阔的应用前景.人脸识别是
典型的高维数据分类问题,在人脸识别中通常要考虑两个重要的问题即提取什么样的特征有利于分类
器的分类,如何避免或降低高维的运算.利用子空间技术可以大大降低数据的特征维数,节省存储和
计算资源.迄今已经出现许多有效的方法,如线性的主成分分析(PCA),独立成分分析(ICA),非负矩
阵分解(NMF);非线性的支持向量机(SVM),核主成分分析(KPCA)[1.6】等,其中PCA方法被认为是
最成功的线性鉴别方法之一,目前仍然广泛应用于人脸识别等图像识别中.PCA是一种重要的线性子
空间方法,它从图像的整体代数特征出发,基于图像的局部信息进行分类识别,通过
您可能关注的文档
最近下载
- 2025年浙江安防职业技术学院单招职业技能测试题库(名校卷).docx
- 2024年广州中考英语听说考试——“信息询问” 情景训练课件.pptx
- 四年级下册单元作文《热爱生命》.ppt
- 骆驼奶营养价值课件.pptx
- 统编版高中语文教材中杜甫四首诗《登高》《登岳阳楼》《蜀相》《客至》联读.docx
- 附件3-2:12千伏一二次融合环网柜(箱)及配电自动化终端(DTU)标准化设计方案(2021版).pdf VIP
- 第6课 戊戌变法 课件(共34张PPT).pptx
- 2023年上海杉达学院工程管理专业《管理学》科目期末试卷A(有答案).docx VIP
- 分包考核管理办法和考核表.pdf VIP
- 送教上门康复教案.docx
文档评论(0)