小波與改進流形算法相融合的人臉識別研究.pdf

1、在科學技術發(fā)展成果日益豐富的今天，模式識別技術越來越成為研究熱點。人臉識別技術是一門將新科技與人的生物特征相結合的技術，是圖像處理與人工智能的研究熱點，越來越多的應用在公共安全、身份認證、人機交互等領域。
　　一般而言，人臉識別一般分為以下步驟：人臉圖像采集與檢測，人臉圖像預處理，人臉圖像特征提取，人臉圖像分類處理。局部切空間排列算法是近幾年出現的比較成功的流形算法之一，是目前國內學者提出的一種較為先進的算法。小波變換是經常用到的

2、圖像信息提取工具之一，用小波變換提取圖像的特征信息具有多尺度、多方向、存在良好的空間性等特征。
　　本文研究了人臉圖像中的特征提取一步，提出了一種融合了小波變換與改進的局部切空間排列算法。該算法能夠提取到圖像的主要特征信息，對人臉識別的識別結果有顯著提高。主要工作和創(chuàng)新點如下：
　　(1)受Gabor小波變換與雙密度雙樹復小波變換的啟發(fā)，本文提出一種融合兩種小波并基于圖像的最大熵原則來提取人臉圖像特征信息。
　　(2)

3、采用X-均值算法，將樣本分為遠小于樣本數的有重疊的塊，然后求得樣本塊在切空間的投影信息，再將局部信息通過排列整合到全局坐標。
　　(3)將測試樣本經過小波變換后得到的圖像特征信息通過改進的局部切空間算法進行降維，然后再通過分類算法與訓練樣本進行人臉分類識別，得到識別結果。
　　本文提出的人臉識別方法在包含400張人臉圖像的ORL人臉數據庫和包含165人臉圖像的Yale數據庫進行了實驗，并與另外3種人臉識別算法所得的人臉識別結