摘要 人脸识别技术是模式识别与人工智能的研究热点之。在生物特征识别中，人脸识别 占有极为重要的地位。它在访问控制司法应用电子商务和视频监控等领域都有广泛的 应用。人脸特征提取是人脸识别过程的核心，特征提取的有效性直接影响到分类的速度和 识别的性能。 本文的主要研究内容包括以下方面 基于变换的人脸特征提取算法。通过对人脸傅里叶变换和变换的实 验比较，证明了变换在提取人脸特征方面具有很大的优越性。接着，介绍了 小波变换的快速算法。 从基于图像整体代数特征算法着手，主要介绍了特征脸算法的原理和实 现过程，对组成特征投影空间的特征值选择问题，距离度量方法问题及训练样本的选择等 进行了定的研究。 研究了基于小波变换的人脸识别算法。本文研究的算法首先对人脸进行 小波变换，然后应用方法降低特征向量的维数，来实现对人脸的识别。 实验表明，采用该方法得到的识别率要远优于单纯采用方法的结果。 关键词人脸识别小波变换 五邑大学本科毕业设计 , 五邑大学本科毕业设计 目录 摘要, , ， ， ， ， ， 数往往远小于信号的维数，因此变换能够大大降低数据的表示维数。这对图像识别 中的特征提取非常有利。算法是根据样本点在多模式空间的位置分布，以样本点在空 间中变化最大方向，即方差最大的方向，作为判别变量来实现特征的提取。因此比较适合 用于变换后的降维。 最后分别在和两个人脸库进行实验，不断改进算法模型，不断向识别率 高，识别效率高改进。 五邑大学本科毕业设计 第章小波变换 引言 展开是种同时用时间和频率表示个时间函数的方法，而求解展开系 数的公式被称为变换。传统的变换的缺点是窗口尺寸经确定就无法更改， 因此不具有变焦特性，无法对信号进行多分辨率分析。为解决这问题人们将理论 同小波理论相结合，提出了小波。小波具有小波变换的多分辨率特性，同时 具有函数本身所具有的局域性和方向性。 标准傅立叶变换是数字信号处理的有利工具，然而它只能反映信号在整个实轴的整 体性质，而不能反映信号在局部时间范围中的特征。对于图像，我们关心的往往是局部的 特征，如图像边缘，由于标准傅立叶变换不能同时在时域和频域具有对信号的局部分析能 力，于年在他的论文中，为了提取信号傅立叶变换的局部信息，引入了 个时间局部化窗函数，其中参数用于平移动窗以便覆盖整个时域。实际上， 使用了个函数作为窗函数。因为个函数的傅立叶变换还是 个函数，所以傅立叶逆变换也是局部的。变换是唯能够达到时频测不准 的下界的函数，是图像表示中种较好的模式，它的最大优点在于它能够达到交叉熵的最 低边缘，能够最好地兼顾信号在时域和频域的分辨率，而且人类的视觉系统对于这种函数 有非常好的匹配特性。函数的这些特性，使得它在信号处种加窗的变换方法，它在非平稳信号分析中起到了很好的作用。在 变换中，把非平稳信号过程看作是系列短时平稳信号的叠加，而短时性是通过时间上加 窗来实现的。整个时域的覆盖是由参数的平移达到的。换句话说，该变换是用个窗函 数与信号相乘实现在附近开窗和平移，然后施以变换，这就是 变换也称短时变换或加窗变换。变换的定义由下式给出对于 , , 其中是积分核。该变换在点附近局部测量了频率为的正弦分量的幅度。 通常选择能量集中在低频处的实偶函数采用高斯函数作窗的函数，相 应的变换以后仍旧是函数，从而保证窗口变换在时域和频域内均有 局部化功能。令窗口函数为，则有  式中决定了窗口的宽度，的变换用表示，则有           由以上可以得到 ,   显然，信号经过变换按窗口宽度分解了的频谱，提取出它的局 部信息。当在整个时间轴上平移时，就给出了的完整变换。相应的重构公式为    窗口变换是能量守恒变换，即    这里应注意，理中获得广泛的应用，特 别应用于低级视觉如纹理分割光流估计数据压缩和边缘检测等。变换虽然在 定程度上克服了标准傅立叶变换不具有局部分析能力的缺陷，且能最好地兼顾信号在时城 和频域地分辨率，但它同时也存在着自身不可克服的局限，即当窗函数确定后，窗口 的形状就确定了，因此变换是种单分辨率的分析。 目前变换和展开已被公认是信号与图像表示的最好的方法之。 变换中要解决的最基本问题是在给定综合窗下如何求解分析窗及变换系数。 变换广泛应用的困难也就是在于找不到种简单的计算变换系数的方法，因为基本 函数彼此之间互不正交。近十几年来，围绕这问题国内外相继提出了很多解决方法，最 主要的有以和等人为代表的解析法，等人提出的神经网 络方法以及等人提出的自适应学习算法等等。但不论上述哪种方法，均为复数 形式的变换。基本函数展开系数双正分析窗函数求解的约束条件 式及展开式都是复数形式，计算量很大。为了简化变换的计算，提出了种 实数形式的离散变换方法，这种方法类似于复数形式的离散变换的解 析理论体系，并可采用快速的离散变换算法计算变换系数，尤其是实数形 式的离散变换系数与复数形式的离散变换系数的实部和虚部有着非常简单的 加减关系，因此前者的计算完全可以替代后者的计算，从而达到大大减小复变换系 数计算量的目的同样，在信号的重建方面，实数形式的离散逆变换也比复数形式 的离散逆变换快得多，并且在实际应用中，实值变换更方便于软件和硬件的 实现。 五邑大学本科毕业设计 小波变换的定义 由于变换存在着不能同时进行时间和频率局部分析的缺点，年提 出了 研究的背景和意义 人脸识别的研究现状 如何进行人脸识别人脸识别的步骤及方法险，又降低了未知人脸如检测集的错分风险。在人脸识别中已逐渐 得到应用。 神经网络分类器。采用神经网络作为分类器是很自然的。般个层网 络对应模式识别中图像输入特征提取分类部分。通常的有多层感知机 模型网络径向基函数网络等。也借鉴了神经网络的思想。 本文研究的主要内容 基于人脸识别技术在当今社会的重大意义，本文主要研究了小波变换和算 法在人脸识别的应用。人脸识别的核心问题，就是如何将人脸的特征抽取出来，并得到对 应于不同分类方法进行分类。因此算法的好坏就直接影响了最终的正确识别结果。算法的 好坏主要体现在提取特征的效率和准确率。本论文主要探讨小波变换和算法的 优点。其中，仿真实验是基于人脸库和人脸库上进行测试的。五邑大学本科毕业设计 首先，本文将研究小波变换的性质及其在图像处理上的优点。用小波变 换研究人脸识别，事实上就是滤波器的设计，滤波器在图像处理中的特征提 取纹理分析和立体视差估计等方面有许多应用。滤波能够体现出不同的方向性和 尺度性。函数从实质上来说是个函数窗所限制的滤波函数。通过定义不同 的函数核，就可以得到组滤波器。通常将灰度人脸图像记为再分 别各个滤波器进行卷积，即可得到人脸图像的小波表示。 然后，再探讨算法的原理，算法是种经典的算法，由于变换基函数的 第章绪论分核对所有和都有相同的支撑区，但周期数随而变 化。支撑区是指个函数或信号的自变量的定义域，当在定义域内取值时的值 域不为零，在支撑区之外信号或过程下降为零。五邑大学本科毕业设计 摘要 人脸识别技术是模式识别与人工智能的研究热点之。在生物特征识别中，人脸识别 占有极为重要的地位。它在访问控制司法应用电子商务和视频监控等领域都有广泛的 应用。人脸特征提取是人脸识别过程的核心，特征提取的有效性直接影响到分类的速度和 识别的性能。 本文的主要研究内容包括以下方面 基于变换的人脸特征提取算法。通过对人脸傅里叶变换和变换的实 验比较，证明了变换在提取人脸特征方面具有很大的优越性。接着，介绍了 小波变换的快速算法。 从基于图像整体代数特征算法着手，主要介绍了特征脸算法的原理和实 现过程，对组成特征投影空间的特征值选择问题，距离度量方法问题及训练样本的选择等 进行了定的研究。 研究了基于小波变换的人脸识别算法。本文研究的算法首先对人脸进行 小波变换，然后应用方法降低特征向量的维数，来实现对人脸的识别。 实验表明，采用该方法得到的识别率要远优于单纯采用方法的结果。 关键词人脸识别小波变换 五邑大学本科毕业设计 ,