非迭代三维最大边缘准则及其在人脸识 别中的应用-统计学(理学)专业论文.docxVIP

摘要 摘要 万方数据 万方数据 摘要 人脸识别是生物特征识别中一个活跃的研究领域。尤其在新时期的反恐和安 全问题等具有重要作用。如何抓住人脸的轮廓特征和局部细节特征，研究优良的 识别方法，成为目前计算机技术和模式识别领域中非常重要的研究方向。 人脸识别的研究需要克服的困难很多，人脸形态的差异性和环境的多样性， 受到年龄和皮肤受损等的影响，这使得人脸识别的稳定性很难做到，其中包括姿 态、光照、表情、饰物(眼睛、胡须)外在因素的影响，使得识别的稳定性和准确 性很难提高。之前的很多基于降维和分类的人脸识别方法，大多是将二维图像转 化为一维，这样会无形中忽略了人脸原本隐藏的数据结构，而且经常会导致小样 本问题，后来二维判别分析技术成为了一个人们热衷的技术，该方法可以克服前 面面提到的缺点，然而二维的特征提取方法仍然是基于整个图像的行或者列的， 所以二维的特征提取方法提取的特征仍然可能还有一些冗余信息。本文为了充分 抓取人脸的细节和轮廓特征，提出了针对三维数据的三维最大边缘准则 (3DMMC)。此方法是基于最大边缘准则(MMC)的，MMC 是一个冗余、稳定、 高效的准则。此方法在保持数据三维结构的前提下，从三个方向同时对数据进行 降维，得到高识别率的分类器。 本文为了能够捕捉到人脸的轮廓特征，采用了 Gabor 小波变换的方式提取物 体的轮廓区域特征，有研究显示，2D 的 Gabor 小波