原创力文档- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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
基于WT／SVD和KPCA的人脸识别方法
刘中华，金忠，赖志辉，黄传波，万呜华
南京理工大学计算机科学与技术学院南京210094
E-mail：lzhua@yahoo．cn
摘要：结合小波变换、奇异值分解和核主成分分析的特点，提出一种人脸识别方法。首先，利用小波变换对人脸圈像进行预
处理，保留图像的低频段，有效地降低了罔像维数并去除冗余噪声。然后，对得到的每幅低频『^图进行基于奇异值分解的特
征提取，并将奇异值特征向鼍通过非线性变换进行主成分分析提取特征。最后，依据BP神经网络完成人脸识别。基于oRL
与Yale人脸数据库的实验结果表明，本文方法正确可行，识别率高于KPCA、SVD、WT—KPCA与wT．SVD算法。
关键词小波变换，奇异值分解，核主成分分析．BP神经悯络
Face BasedonWavelet Value
Recognition
andKernel Analysis
DecompositionPrincipalComponent
Jin，ZhihuiLai，Chuanbo Wan
ZhonghuaLiu，Zhong Huang，Minghua
School ofScienceand 210094．China
ofComputerScienceTechnology．NanjingUniversity Technology,Nanjing
E-mail：Izhua@yahoo．en
with andKernel method
Abstract：Combinedwavelet Value
transform，SingularDecompositionPrincipalComponentAnalysis，a
forface is wavelettransformationiSusedtOreducethedimensionoftheface iS
recognitionpresented．Firstly．the picture．Then，SVD
usedtOsubtractthefeaturesofthelowestresolution the valuefeaturevectoriS ontothefeaturewim
subimage．andsingular reaped space
andobtainsnonlinear callberealized toBPneufalnetwork
kpca featltre．Finally,facerecognition according
resultsOilORLandYALEface．databasesshowthatthe ratethe methodiS thanthat KPCA，SVD
recognitionby proposed hi【gher by
，WT-I(PCAandWT—SVD
respectively．
words：wavelet value neuralnetwork
Key transform，singulardecomposition，kernelprincipalcomponentanalysis，BP
文档评论（0）