论文部分内容阅读
人脸识别技术是生物识别领域中的一个研究方向,是数字图像处理,模式识别及人工智能领域中的一个重要课题。从最初单纯的基于几何算法到后来基于模型,统计等较为复杂特征的方法,许多研究人员付出了大量的努力,但由于人脸的相似度高,图像提取时又容易受到成像条件和样本的年龄变化的限制,样本的特征提取及分类是人脸识别过程中的关键步骤,本文以此为重点进行了相关的研究。
在基于统计学的方法中,传统的主成分分析法(PrincipalComponentAnalysis,PCA)只能得到人脸图像像素间的二维统计信息,但是,人脸图像的信息不仅仅存在于像素间的二维统计特性中,更存在于像素间的高维统计特性中,基于传统PCA算法的人脸识别方法容易受光照条件等易变因素的影响。
本文的算法是基于改进的PCA算法和FLD相结合的人脸识别方法,考虑传统PCA算法及FLD算法的优缺点,将传统的PCA算法进行改进,提高PCA算法的灰度归一化能力,然后将其与FLD相结合,建立改进PCA算法和FLD相结合的人脸识别系统,并将其在MATLAB上进行仿真模式实验,实验表明,两种计算方法相结合的运算模式有效的提高了人脸识别率,获得了一定的识别效果。
在进行实验比较之后本文对于之前的工作进行了总结并且,对于文中提出的识别方式的优劣性进行了比较,最后对于以后的工作进行了展望并提出了下一步的工作目标