基于子图分割的人脸特征提取算法性能比较研究.rar
基于子图分割的人脸特征提取算法性能比较研究,2.6万字 75页包括开题报告和任务书，另附程序代码如下：附录 1. 基于奇异值分解的人脸特诊提取算法2. 基于变异系数的人脸特征提取算法_保留平滑区子图3．基于变异系数的人脸特征提取算法_去除平滑区子图摘 要人脸识别技术是国内外共同关注的一个前沿课题，在现代经济和社会的发展中...
该文档为压缩文件,包含的文件列表如下:
内容介绍
原文档由会员 littey 发布
基于子图分割的人脸特征提取算法性能比较研究
2.6万字 75页
包括开题报告和任务书，另附程序代码如下：
附录
1. 基于奇异值分解的人脸特诊提取算法
2. 基于变异系数的人脸特征提取算法_保留平滑区子图
3．基于变异系数的人脸特征提取算法_去除平滑区子图
摘 要
人脸识别技术是国内外共同关注的一个前沿课题，在现代经济和社会的发展中有着十分广泛的应用领域和应用前景，如安全系统、罪犯识别、电视会议等，人脸识别技术也是当前模式识别和人工智能领域的研究热点之一。
本文分析了人脸识别技术的研究现状，结合已有的研究基础提出了基于变异系数的人脸特征提取算法和基于奇异值分解的人脸特征提取算法，并结合子图分割思想和神经网络技术对算法进行了评价。在基于变异系数的算法中，选择合适的变异系数代表原图的特征减少了图像信息的冗余。进一步研究表明去除包含信息量少的子图能在一定程度上提高识别率并节约计算资源。在基于奇异值分解的算法中，将图像变换后的奇异值作为特征，这具有一些良好的性质，如稳定性、比例不变性和旋转不变性。和一些人脸识别方法相比，本文提出的两种人脸识别算法具有较好的性能，基于ORL人脸库的性能模拟实验表明，算法具有较高识别率。此外，本文在VC++ 6.0环境下，作者依据前期研究成果并结合图像处理和模式识别的基本原理开发了一个静态人脸图像识别演示系统。该系统能有效快捷的进行人脸识别。
关键词：人脸识别，子图分割，变异系数，奇异值分解，反向传播神经网络
Comparison Research on Performance of Face Feature Extraction Algorithms Based on Sub-image Segmentation
Abstract
Face recognition technology is front-line task in pattern recognition domain, which can be used in all kinds of fields, such as security systems, criminal identifications, teleconferences and entertainment. Face recognition is also one of hot spots in pattern recognition and artificial intelligence.
This thesis analyzes the actuality of automated face recognition. Combined with the previous research, two face feature extraction algorithms (coefficients of variances (CV) and singular value decomposition (SVM)) are proposed. Based on sub-image dividing idea and back-propagation neural networks, the performances of these algorithms are evaluated. In the face feature extraction algorithms based on CV, suitable coefficients are selected to denote images, which can reduce image information redundancy. The further research shows that the recognition rate can be improved and the computing recourse can be cut down if the sub-image including little information is removed. In the face feature extraction algorithms based on SVD, singular values of image have some good characteristics, such as stability, scale fixity and angle fixity. Compared with some algorithms, the proposed algorithms’ performances are higher. Based on ORL database, experiments results show that our algorithms have high recognition rate. Otherwise, a static face picture recognition system is developed based on the previous research. The system is realized by using VC++ 6.0 and theories of image proceeding and pattern reorganization. The system can recognize face image effectively and easily.
Key Words: face recognition, sub-image segmentation, coefficients of variances, singular value decomposition, back-propagation neural networks
目 录
摘 要.................................................................................................................................................I
ABSTRACT....................................................................................................................................II
1. 绪论 1
1．1 课题研究背景 1
1．2 课题研究内容 2
1．3 论文组织结构 3
2. 人脸识别综述 4
2．1 特征提取算法 4
2．1．1 基于几何特征的方法 4
2．1．2 基于模型的方法 5
2．1．3 基于统计的方法 5
2．1．4 弹性图匹配方法 6
2．2 基于三维数据的人脸识别的方法 7
2．2．1 基于曲率的方法 7
2．2．2 基于模型合成的方法 7
2．3 分类算法 7
2．3．1 基于神经网络的方法 7
2．3．2 多分类器集成方法 8
2．4 总结 8
3. 神经网络概述 10
3．1 人工神经网络概述 10
3．2 神经元模型 10
3．3 BP神经网络分类器 11
3．3．1 BP神经网络模型 11
3．3．2 BP网络学习算法 12
4. 基于子图分割的人脸特征提取算法与人脸识别系统 15
4．1 子图分割思想 15
4．2子图分割与变异系数相结合的人脸特征提取算法 15
4．2．1变异系数的传统意义及其在图像处理中的应用 15
4．2．2变异系数的几何意义及其在图像处理中的应用 16
4．2．3变异系数的选取 18
4．3 子图分割与奇异值分解相结合的人脸特征提取算法 20
4．3．1 奇异值的代数特性及其在图像处理中的应用 20
4．3．2 奇异值的降维压缩 21
4．3．3 奇异值的选取 22
4．4 系统框架 23
4．4．1 图像预处理 23
4．4．2 特征提取算法中系数选取的方案 24
4．4．3 BP神经网络的结构设计 25
5. 性能分析 27
5．1 人脸数据库 27
5．2 实验结果 28
6. 静态人脸图像识别演示系统 35
6．1 系统简介 35
6．2 系统的基本技术要求 35
6．3 系统中的关键技术 35
6．4 系统的软硬件平台 35
6．5 系统实现 36
6．5．1 系统流程图 36
6．5．2 系统总体编程框架 36
6．5．3 程序使用说明 38
7. 总结 43
致 谢 44
参考文献 45
附录 代码 47
参考文献
[6] 赵海涛, 龄东军, 余忠. 基于形状和纹理的人脸自动识别[J] ,计算机研究与发展,2003,40(4):40-44.
[7] 杨健, 杨静宇. 具有统计不相关性的图像投影鉴别分析及人脸识别[J]. 计算机研究与发展.2003, 40(3):30-35.
[8] Cheng Y, Liu K, Yang J. Human face recognition method based on the statistical model of small sample size [J] . SPIE Proc, Intell. Robots and Computer Vision X: Algorithms and Techn.1991, 16(6):85-95.
[9] Brunelli R, Poggio T. Face Recognition: Features versus Templates. IEEE Trans on Pattern Analysis and Machine Intelligence[J] ,1993,15(10):1042-1052.
[10] Samal A, Iyengar P A. Automatic Recognition and Analysis of Human Faces and Facial Expressions Survey [J] .Pattern Rec-ognition, 1992, 25(1):65- 77.
[11] Cootes T F, Taylor C J. Active Shape Models-Their Training and Application[J] .Computer Vision and Image Understanding,1995,61(1):38-59.
2.6万字 75页
包括开题报告和任务书，另附程序代码如下：
附录
1. 基于奇异值分解的人脸特诊提取算法
2. 基于变异系数的人脸特征提取算法_保留平滑区子图
3．基于变异系数的人脸特征提取算法_去除平滑区子图
摘 要
人脸识别技术是国内外共同关注的一个前沿课题，在现代经济和社会的发展中有着十分广泛的应用领域和应用前景，如安全系统、罪犯识别、电视会议等，人脸识别技术也是当前模式识别和人工智能领域的研究热点之一。
本文分析了人脸识别技术的研究现状，结合已有的研究基础提出了基于变异系数的人脸特征提取算法和基于奇异值分解的人脸特征提取算法，并结合子图分割思想和神经网络技术对算法进行了评价。在基于变异系数的算法中，选择合适的变异系数代表原图的特征减少了图像信息的冗余。进一步研究表明去除包含信息量少的子图能在一定程度上提高识别率并节约计算资源。在基于奇异值分解的算法中，将图像变换后的奇异值作为特征，这具有一些良好的性质，如稳定性、比例不变性和旋转不变性。和一些人脸识别方法相比，本文提出的两种人脸识别算法具有较好的性能，基于ORL人脸库的性能模拟实验表明，算法具有较高识别率。此外，本文在VC++ 6.0环境下，作者依据前期研究成果并结合图像处理和模式识别的基本原理开发了一个静态人脸图像识别演示系统。该系统能有效快捷的进行人脸识别。
关键词：人脸识别，子图分割，变异系数，奇异值分解，反向传播神经网络
Comparison Research on Performance of Face Feature Extraction Algorithms Based on Sub-image Segmentation
Abstract
Face recognition technology is front-line task in pattern recognition domain, which can be used in all kinds of fields, such as security systems, criminal identifications, teleconferences and entertainment. Face recognition is also one of hot spots in pattern recognition and artificial intelligence.
This thesis analyzes the actuality of automated face recognition. Combined with the previous research, two face feature extraction algorithms (coefficients of variances (CV) and singular value decomposition (SVM)) are proposed. Based on sub-image dividing idea and back-propagation neural networks, the performances of these algorithms are evaluated. In the face feature extraction algorithms based on CV, suitable coefficients are selected to denote images, which can reduce image information redundancy. The further research shows that the recognition rate can be improved and the computing recourse can be cut down if the sub-image including little information is removed. In the face feature extraction algorithms based on SVD, singular values of image have some good characteristics, such as stability, scale fixity and angle fixity. Compared with some algorithms, the proposed algorithms’ performances are higher. Based on ORL database, experiments results show that our algorithms have high recognition rate. Otherwise, a static face picture recognition system is developed based on the previous research. The system is realized by using VC++ 6.0 and theories of image proceeding and pattern reorganization. The system can recognize face image effectively and easily.
Key Words: face recognition, sub-image segmentation, coefficients of variances, singular value decomposition, back-propagation neural networks
目 录
摘 要.................................................................................................................................................I
ABSTRACT....................................................................................................................................II
1. 绪论 1
1．1 课题研究背景 1
1．2 课题研究内容 2
1．3 论文组织结构 3
2. 人脸识别综述 4
2．1 特征提取算法 4
2．1．1 基于几何特征的方法 4
2．1．2 基于模型的方法 5
2．1．3 基于统计的方法 5
2．1．4 弹性图匹配方法 6
2．2 基于三维数据的人脸识别的方法 7
2．2．1 基于曲率的方法 7
2．2．2 基于模型合成的方法 7
2．3 分类算法 7
2．3．1 基于神经网络的方法 7
2．3．2 多分类器集成方法 8
2．4 总结 8
3. 神经网络概述 10
3．1 人工神经网络概述 10
3．2 神经元模型 10
3．3 BP神经网络分类器 11
3．3．1 BP神经网络模型 11
3．3．2 BP网络学习算法 12
4. 基于子图分割的人脸特征提取算法与人脸识别系统 15
4．1 子图分割思想 15
4．2子图分割与变异系数相结合的人脸特征提取算法 15
4．2．1变异系数的传统意义及其在图像处理中的应用 15
4．2．2变异系数的几何意义及其在图像处理中的应用 16
4．2．3变异系数的选取 18
4．3 子图分割与奇异值分解相结合的人脸特征提取算法 20
4．3．1 奇异值的代数特性及其在图像处理中的应用 20
4．3．2 奇异值的降维压缩 21
4．3．3 奇异值的选取 22
4．4 系统框架 23
4．4．1 图像预处理 23
4．4．2 特征提取算法中系数选取的方案 24
4．4．3 BP神经网络的结构设计 25
5. 性能分析 27
5．1 人脸数据库 27
5．2 实验结果 28
6. 静态人脸图像识别演示系统 35
6．1 系统简介 35
6．2 系统的基本技术要求 35
6．3 系统中的关键技术 35
6．4 系统的软硬件平台 35
6．5 系统实现 36
6．5．1 系统流程图 36
6．5．2 系统总体编程框架 36
6．5．3 程序使用说明 38
7. 总结 43
致 谢 44
参考文献 45
附录 代码 47
参考文献
[6] 赵海涛, 龄东军, 余忠. 基于形状和纹理的人脸自动识别[J] ,计算机研究与发展,2003,40(4):40-44.
[7] 杨健, 杨静宇. 具有统计不相关性的图像投影鉴别分析及人脸识别[J]. 计算机研究与发展.2003, 40(3):30-35.
[8] Cheng Y, Liu K, Yang J. Human face recognition method based on the statistical model of small sample size [J] . SPIE Proc, Intell. Robots and Computer Vision X: Algorithms and Techn.1991, 16(6):85-95.
[9] Brunelli R, Poggio T. Face Recognition: Features versus Templates. IEEE Trans on Pattern Analysis and Machine Intelligence[J] ,1993,15(10):1042-1052.
[10] Samal A, Iyengar P A. Automatic Recognition and Analysis of Human Faces and Facial Expressions Survey [J] .Pattern Rec-ognition, 1992, 25(1):65- 77.
[11] Cootes T F, Taylor C J. Active Shape Models-Their Training and Application[J] .Computer Vision and Image Understanding,1995,61(1):38-59.
