摘要:在当今社会,有很多领域需要快速,准确的对人们的身份进行确认。而基于生物特征的识别技术,由于其具有便捷性、稳定性、安全性、唯一性等很多优点,使得它在近些年发展迅速。人脸识别技术利用图像处理技术,通过提取人脸部位的特征信息进行身份识别,在安防监控、金融安全、自动考勤等许多领域具有重要的应用价值。本课题基于主成分分析法(PCA:Principal Components Analysis)算法,通过提取人脸图像主元素以及特征向量构建新的特征空间,并将原始图像映射到该正交特征空间,达到降维和特征提取的目的,减少了冗余信息,并采用模板匹配方法进行模式匹配识别实验。
本课题的主要工作如下:
(1)学习图像处理相关理论,包括图片格式的介绍,直方图均衡化原理,中值滤波等,并基于这些理论完成了对人脸图像的预处理;
(2)学习PCA算法,并基于这一算法完成了人脸图像的PCA特征提取和K-L变换,实现了人脸图像的主成分分析和特征空间变换;
(3)采用C++实现了完整的人脸识别系统,并采用自建数据库和YALE人脸库等对PCA人脸识别方法进行了实验分析与讨论。
关键词:直方图均衡化;中值滤波;主成分分析;人脸识别;特征脸
目录
中文摘要
Abstract
第1章 绪论-3
1.1 人脸识别研究背景与意义-3
1.2 论文内容-5
1.3 论文的结构和安排-6
第2章 图像处理的基础理论-7
2.1 常见人脸图像格式-7
2.2 图像滤波-9
2.3 直方图均衡化-11
2.4 PCA原理-14
第3章 人脸识别系统设计与分析-17
3.1 人脸识别系统的流程图-17
3.2 人脸识别系统的模块设计-20
3.3 实验结果分析与讨论-22
第4章 总结-29
参考文献-31
致谢-32