论文部分内容阅读
随着社会的发展,社会各个方面对快速有效的身份验证的要求日益迫切。由于生物特征是人的内在属性,具有很强的自身稳定性和个体差异性,因此是身份验证的理想依据。其中利用人脸特征又是最自然直接的手段,相比其他生物特征,它具有直接、友好、方便的特点,易于为用户接受。从而,人脸识别吸引了越来越多来自计算机视觉和信号处理等领域的关注,成为模式识别、图像处理等学科的研究热点。
人脸识别技术广泛应用在公共安全、信息安全等方面。当光照条件变化时,人脸面部发生很大变化,减弱人脸面部的特征信息。所以,在实际的人脸识别系统中,由于环境光照条件的不稳定、难确定,使得人脸识别率急剧下降。光照问题是影响人脸识别的一个因素,如何解决光照变化问题是人脸识别研究中的一个难点。目前,解决光照问题的预处理方法主要有两大类:基于图像处理技术的方法和基于模型的方法。本文在解决人脸识别中的光照问题采用基于图像处理技术的方法,即对人脸图像进行光照补偿预处理,减少光照对人脸的影响。
人脸识别技术最早提出可以追溯到1888年,虽然有众多科学研究人员潜心研究多年,也做出了许多的成果,但是由于人脸识别问题自身的复杂性,使得该技术仍旧有很多关键性的问题需要解决。论文首先介绍了人脸识别的背景、研究范围以及方法,对人脸识别领域的一些理论方法作了总体的介绍。本文中所采用的人脸识别方法是比较经典的主成分分析(PCA Principle Componem AnflysiO。
主要工作包括:
(1)结合BioID、YALE人脸库对人脸识别的预处理方法作了较为详细的介绍。预处理的方法包括几何校正、直方图均衡化、像素灰度值归一化。然后,使用小波变换对人脸图像进行分解、提取低频子带,并做出实验仿真。
(2)介绍了。PCA人脸识别的方法,对传统的PCA算法进行改进,降低了运算复杂度,提高了识别率和抗噪声性能。
(3)实现了一个基于小波分析和主成分分析(PCA)的人脸检测识别原型系统。