基于子空间的人脸识别算法研究-电子科学与技术专业论文.docxVIP

|：』!f唧f啦『fIfI『|ff『ffIf『舢删Ifffj |：』!f唧f啦『fIfI『|ff『ffIf『舢删Ifffj Jf『J舢 Y1 9 1 7644 原创性声明 本人声明，所呈交的学位论文是本人在导师指导下进行的研究 工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢 的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不 包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我 共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。 作者签名：屋量缝 日期：列1 年上月鲤日 学位论文版权使用授权书 本人了解中南大学有关保留、使用学位论文的规定，即：学校 有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文， 允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内 容，可以采用复印、缩印或其它手段保存学位论文。同时授权中国科 学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》， 并通过网络向社会公众提供信息服务。 作者签名：避导师签名盔垒兰 日期：生年三月立日 广 广 硕士学位论文 硕士学位论文 摘要 摘要 目前，基于子空间的人脸识别算法因其计算效率高、表征能力强， 已经引起了人们的广泛关注。但由于人脸图像较易受各种外界因素的 干扰，因此如何更加有效的利用人脸图像信息，以及如何获得更高的 人脸识别率，成为众多研究者孜孜不倦探讨的问题。 分析并研究了大量近年来国内外关于人脸识别的学术文献，针对 人脸识别中基于子空间的特征提取方法和基于最近邻分类器的分类 方法进行了深入的研究，研究工作主要包括以下几个方面： (1)针对人脸图像中繁重的计算复杂度问题，提出了改进的核 主成分分析算法(1(PCA)，该算法通过最佳样本均值估计向量代替原 始样本向量的方法，降低数据计算量，进而提高了算法运算速率。 (2)针对小样本和边缘信息干扰等问题，提出了改进的线性鉴 别分析算法(LDA)，该算法通过类间散度矩阵加权处理以及类内散度 矩阵均值中心化处理的方法，增强了算法处理特征值偏差以及边缘分 类问题的能力。然后融合改进后的l(PCA算法以及改进后的LDA算法， 应用到人脸识别特征提取中。 (3)针对特征分类中存在的样本维数灾难以及噪声干扰等问题， 提出了基于特征加权相似度辅助的K近邻(1(NN)分类器算法，该算 法降低了样本数据的维数，有效的抑制了噪声数据的干扰。 (4)全面阐述了改进的人脸识别算法，并通过大量实验数据分 析说明了改进后的人脸识别算法在识别率上的优势。 用MATLAB软件对提出的改进的特征提取算法和分类器算法进行 了研究，仿真结果表明：提出的改进的人脸识别算法具有可行性和有 效性。 关键词：人脸识别，子空间，KPCA，LDA，最近邻分类器，KNN分类器 硕士学位论文AB 硕士学位论文 AB STRACT Cu仃entIy’face recognition alg矾thm based 0n subspace h觞attraCt． ted widespread attention for its hi曲e伍ciency锄d s仃0ng chauracter- r边ation酞lvantages．HoweVef’because of face images are more Vulnera- ble t0 t11e interference of various extemal f．aCtors，Many researChers haVe beeIl tirelessly eXplored that how t0 use f．aCe iIIlage infomation more e毹ctiVely and how t0 obt“n a higher recogIlition豫钯． HaviIlg Analyzed觚d studied a 10t abroad锄d home aCademic lite— rature on face recognition in recent years，mis paper deeply studied the metllod of subspace-baSed危ature ex订action锄d the classification mettl— od of nearest neighbor cl豁sifier-b弱ed．The research work is蠲follows： F矾tly’for the hea、7 computational complexi锣of the hlun暑m face iInage，this paper proposed雒iIIlpr0Ved kemel principal component 锄al