摘 要：互联网时代的到来，使得人脸识别技术越来越重要。好的人脸识别算法不仅要满足识别率的要求，还能最大程度的缩短识别时间。本文采用基于小波分析的人脸识别算法。首先，对ORL标准人脸库进行人脸图像的预处理，包括几何归一化、直方图均衡化、滤波等预处理方式。在此基础上通过对比几种不同的人脸检测方法，利用小波变换算法对人脸库进行人脸检测。最后结合传统PCA算法以及一种改进的2DPCA算法对人脸库进行识别，通过仿真实验比较二者的性能，得出采用2DPCA算法能够在不影响识别率的情况下，很大程度上缩短识别时间。40645
毕业论文关键词： PCA ；2DPCA；人脸识别；小波变换
Research on Face Recognition Algorithm Based on Wavelet Analysis
Abstract: With the coming of internet era, face recognition technology is more increasingly important. Not only meets the requirements of the recognition rate, but also shorten the recognition time in the greatest degree. In this paper, face recognition algorithm based on wavelet analysis is adapted. Firstly, preprocessing the ORL face database by the way of geometric normalization, histogram equalization and filtering pretreatment. On this basis, using wavelet transform algorithm to face database by comparing several different face detection to detect the face. Finally, face database are recognized by using the traditional PCA algorithm and an improved algorithm 2DPCA, compared the performance with each other under simulations to conclude the results that 2DPCA algorithm can the largely shorten the identification time without affecting the recognition rate.
Key Words: PCA; 2DPCA; Face recognition; Wavelet transform
目 录
摘要 1
引言 1
1.绪论 2
1.1研究现状及意义 2
1.2人脸识别面临的问题及研究方向 2
2.人脸识别系统 3
2.1人脸图像库 4
2.2图像预处理 4
2.3人脸识别特征提取方法 6
2.4分类器 8
2.5人脸检测 10
2.6本章小结 12
3.小波变换在人脸检测中的运用 12
3.1离散小波变换 13
3.2基于小波变换的图像去噪 14
3.3基于小波变换的图像压缩 16
3.4本章小结 19
4.基于PCA和2DPCA的人脸识别 19
4.1 PCA算法 19
4.2 2DPCA算法 22
4.3 2DPCA和PCA仿真结果及分析 23
4.4本章小结 25
5.总结与展望 25
5.1本文总结 25
5.2展望 25
参考文献 26
附录 基于GUI的仿真界面 27
致谢 29
基于小波分析的人脸识别算法研究引言
随着社会计算机科学技术的迅速发展，20世纪90年代以来国际国内研究的热点内容是人脸识别。人们进入互联网时代，在运用互联网的过程中，人们为了追求安全，需要一些身份验证手段来支配、获取信息。人脸识别就是在社会的迫切需求中应运而生，较之麻烦易失密码身份证等传统手段，人脸识别则表现出优越性。而生物特征的优点是内在稳定性、外在的差异性等，所以生物特征识别认证手段成为首选。
生物特征的识别机理如出一辙，操作流程：(1) 采集研究对象；(2) 进行特征提取；(3) 创建特征数据库，将提取特征存入数据库；(4) 校验身份时用特定的特征匹配算法进行特征匹配，从而实现验证。 基于小波分析的人脸识别算法研究:http://www.youerw.com/zidonghua/lunwen_39057.html