2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩62頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、人臉識別是模式識別領域的一個重要研究課題.但人臉圖像是一種非平穩(wěn)信號,用于分類的特征往往包含在局部的時頻信息中,用一般的變換方法提取有效特征比較困難.小波變換是近年來發(fā)展起來的一種分析非平穩(wěn)信號的有效方法,而且可以獲得與人的視覺特性更為接近的多尺度的提取特征的效果,于是小波被人們應用于人臉識別中.而小波包變換具有任意的多尺度分解特性,可以提供更豐富的基以供分類選擇.本文把原始的基于小波包進行特征提取的方法(Local Discrimin

2、ant Basis,LDB)應用于人臉識別之中,并主要做了以下三方面的工作:(1)原始的LDB以類能量的差異為判據選擇最優(yōu)基及其小波包系數特征,這個判據并不是模式分類問題中的最佳判據,針對這個問題本文系統(tǒng)研究了各種可分性判據,并提出了在LDB中更有效的判據.(2)因為前d個單獨最有效的特征并不一定是最有效的(數量為d的)特征組合,對不滿足線性可加的判據,本文引入遺傳算法尋找最優(yōu)特征組合,去掉一些對分類無用或者有害的特征.(3)用LDB所

3、選取的特征仍然比較大量,而且受光照姿勢的影響仍然比較大,本文用基于Fisher準則的方法把LDB所提取的特征再進行線性重組,進一步降維,并且在盡量保持類間差異的同時壓制了類內的差異.在ORL數據庫上隨機選取每人5幅人臉圖像做訓練,剩余的用來識別,進行50次實驗取平均識別率,特征臉方法是93.14﹪,Fisher臉方法是91.20﹪,原始的LDB方法是96.14﹪,而本文提出的新的LDB的方法達到了97.77﹪.在Feret數據庫中,特征

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論