探究变换基于PCA人脸识别策略学年

论文导读：策略可以提升人脸识别率。(2)深入探讨了支持向量机(SupportVectorMachine,SVM)的原理，提出了一种新的基于WT+PCA+SVM的人脸识别新策略。实验证明，跟单纯的利用PCA和距离分类器策略相比该策略可以显著的提升人脸识别率。关键词：人脸识别论文主成分浅析论文小波变换论文离散余弦变换论文支持向量
摘要：人脸识别是当前方式识别和计算机视觉领域的一个热门探讨课题，逐渐成为方式识别和图像处理等学科的一个探讨热点，广泛运用于门禁、刑侦破案、安全监控和医学等方面。人脸识别是一个涉及很多领域和学科的重要探讨课题。由于人脸识别不足的本质，不仅计算机科学家对它感兴趣，神经学家和心理学家也同样对人脸识别有浓厚的兴趣。与传统的身份鉴别策略如标识号码、IC卡等不同，人脸识别具有更好的安全性、可靠性和有效性，越来越受到人们的重视。由于人脸图像的特殊性，人脸识别不足也是方式识别领域的一个相当困难的不足，要使这一技术成为完全成熟的技术还有许多工作需要去做。主成分浅析(PrincipalComponent Analysis, PCA)策略作为最成功的线性鉴别策略之一，目前仍然被广泛运用于人脸等图像领域，但是传统的PCA策略由于提取的是图像的全局特点，由此容易受光照条件和人脸表情变化大的影响，造成识别效果不好。本论文把PCA策略和其它的图像预处理策略结合起来，显著的改善了人脸识别率。本论文介绍了人脸识别的背景、探讨范围以及策略，对人脸识别领域的一些论述策略作了总体的介绍。介绍了小波变换(Welet tranorm, WT)和离散余弦变换(Discrete Cosine Tranorm, DCT)的原理，以及它们在人脸识别方面的运用。本论文的主要内容以及革新点主要体现在以下几个方面：(1)深入探讨了PCA算法和DCT的原理，提出把PCA和DCT结合起来一起用于人脸识别，并通过实验验证，与只用PCA策略相比，该策略可以提升人脸识别率。(2)深入探讨了支持向量机(Support Vector Machine, SVM)的原理，提出了一种新的基于WT+PCA+SVM的人脸识别新策略。实验证明，跟单纯的利用PCA和距离分类器策略相比该策略可以显著的提升人脸识别率。关键词：人脸识别论文主成分浅析论文小波变换论文离散余弦变换论文支持向量机论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-6
Abstract6-7
目录7-9
插图索引9-10
附表索引10-11
第1章 绪论11-14

1. 探讨背景及作用11

1.2. 人脸识别的运用11-12

1.3. 国内外探讨近况12-13

1.4. 本论文各章内容安排13-14

第2章 人脸识别相关技术综述14-20

2.

1. 引言14

人脸识别探讨的内容14

2.3. 人脸识别策略的分类14-18

2.4. 常用的人脸图像库18-19

2.

5. 本章小结19-20

第3章 小波变换的原理20-30 3.

1. 引言20

3.

2. 小波变换20-28

3.

2.

1. 概述20-21

3. 小波变换的论述基础21-28 3.

2.3. 小波变换的 MATLAB 实现28

3.3. 本章小结28-30
第4章 基于 PCA 和 DCT 的人脸识别策略30-44
4.

1. 引言30-31

4.

2. 主成分浅析31-38

4.

2.

1. K-L 变换31-33

4. 奇异值分解33-34 4.

2.3. 人脸图像的特点提取34-35

4.

2.4. 基于 PCA 的人脸特点提取原理35-37

4.

2.5. 人脸特点提取的步骤37-38

4.3. 离散余弦变换的原理38-40

4. 一种基于 PCA 和 DCT 的人脸识别策略40

4.5. 算法步骤40-41

4.6. 实验结果与浅析41-43

4.7. 本章小结43-44

第5章 一种结合 SVM 的人脸识别策略44-51
5.

1. 概述44

5.

2. 支持向量机的算法思想44-48

5.

2.

1. 支持向量机介绍44-47

5. 支持向量机的核函数47 5.

2.3. SVM 分类器的构造策略47-48

5.3. 一种基于结合小变换、PCA 和 SVM 的人脸识别策略48-49
5.3.

1. 小波变换用于人脸识别关键不足浅析48

5.3.

2. 算法步骤48-49

5.

4. 实验结果与浅析49

5.5. 本章小结49-51
结论51-52
参考文献52-55
附录A 读研期间发表的学术论文55-56
致谢56