基于dct的pca及集成神经网络的人脸识别研究-运筹学与控制论专业论文.docxVIP

摘要人脸识别技术是模式识别、图像处理、计算机视觉和认知科学等领域的一个 摘要 人脸识别技术是模式识别、图像处理、计算机视觉和认知科学等领域的一个 极富挑战性的交叉课题，是近年来的一个研究热点。尽管人脸自动识别技术在各 种潜在应用的推动下发展很快，但到目前为止，要建立通用的人脸自动识别系统 还有许多难点问题尚未解决，特别是人脸识别算法的效率和鲁棒性问题。 人脸识别技术是由计算机分析人脸图像，从人脸图像中提取有效的识别信 息，以此来辨认身份的-I1技术。计算机人脸识别技术的研究主要从提取表述人 脸图像的特征方面进行。要求表述人脸图像的特征既能够容忍几何变化、表情变 化和光照变化，又能够保留人脸不同于其它人脸的分类识别信息。本文从人脸特 征提取角度介绍了常用的几种人脸识别方法：基于几何特征的识别方法、基于统 计的特征脸方法、基于模板匹配的方法、基于神经网络的方法，并分析了它们的 优势和劣势。着重从基于图像整体代数特征的主成分分析(PCA)算法入手，介 绍了“特征脸’’算法的原理和实现过程，针对传统的PCA算法存在的运算量大 的缺点，提出了一种基于离散余弦变换(DCT)的PCA特征提取算法。该算法 先对整个原始人脸图像进行二维离散DCT变换得到DCT系数矩阵，再取包含了 原始图像大部分信息的少量DCT系数作PCA，提取出人脸特征，取得了优于单 独的DCT特征提取方法与传统的PCA特征提取几乎等同的识别效果，同时大大 减少了PCA算法的运算量，速度提高了将近一倍。 寻求适用、优秀的分类方法构造出性能优良的分类器，是提高模式识别效果 的关键环节。BP神经网络是常用的一种人脸分类器，它具有自学习性、鲁棒性 和自适应性，但传统的BP网在学习过程中容易陷入局部最小，本文对其进行改 进，用集成的BP网代替单一的BP网。试验表明，与单一的BP网分类器相比， 集成BP网分类器的识别率提高了将近3个百分点，识别时间也大大降低。 文中采用Matlab语言实现人脸识别算法，通过对ORL人脸库多幅人脸图像 的仿真试验表明，系统的识别率较高，且训练时间大大降低，是一种高效的识别 方法。 关键词：人脸识别；DCT；PCA；BP神经网络；神经网络集成 ABSTRACTFace ABSTRACT Face recognition is one of the most challenging problems in the fields of pattern recognition，image processing，and computer vision and cognizance science．It has turned into an ac．tive research topic and developed quickly in the recent decade along with various applications．But，to set up practical automatic face recognition system， there are still many problems unsettled，especially the efficiency and robustness of the algorithms． The technology of face recognition analyzes face images with computer,and then extracts effective recognition information from them，which is used to recognize the identification of a person．The research of the face recognition technique mainly focused on how to extract the features describing face image．It needs that these features are tolerant of geometry changes，impression changes and illumination changes；meanwhile the features should contain the information that distinguishes this face pattem from others．This paper presents several approaches usually applied in face recognition system：geometrical feature based，e