二维子空间方法的人脸识别.doc

一、毕业设计（论文）任务 课题内容 人脸识别具有巨大的理论意义和应用价值人脸识别的研究对于图象处理、计算机视觉、计算机图形学模式识别等领域的发展具有巨大的推动作用同时在生物特征认证、视频监控、安全等各个领域有着广泛的应用[1] 刘铁成谭铁牛模式识别研究进展 http://liama.ia. /wiki/_media/projects:pal:ccf-%E6%A8%A1%E5%BC%8F%E8%AF%86%E5%88%ABfull.pdf?id=projects%3Apal%3Ahomecache=cache. [2] 李武军王崇骏张炜陈世福人脸识别研究综述模式识别与人工智能, 200619(1) 58-66. [3] 罗昊,孟传良.基于特征脸和LDA的人脸识别[J].贵州工业大学学报(自然科学版),2005,34(1):72-75. [4] 边肇祺,张学工. 模式识别(第二版)[M].北京:清华大学出版社,2000:全书. [5] J P Marques de Sá.模式识别—原理、方法及应用[J].北京:清华大学出版社,2002:全书. [6] 张翠平,苏光大.人脸识别技术综述[J]中国图象图形学报,2000,(11):885-894. [7] 段锦 ．[M]．北京：出版社:全书 [8] 杨颖娴．LDA和降维LDA方法在人脸识别中的比较[J]福建电脑,200，()：[9]章毓晋等．[M]．：大学出版社，． 陈伏兵陈秀宏张生亮杨静宇基于模块2DPCA的人脸识别方法中国图像图形学报2006, 11(4): 580-585. [11] YANG JIAN, ZhANG DAVID, YANG JINGYU.Two-dimensional PCA: a new approach to appearance-based face representation and recognition[J]. Pattern Analysis and Machine Intelligence, 2004, 26(1): 131-137. [12] J YANG,D ZHANG,X YONG,J Y. Yang.Two-Dimensional Discriminant Transform for Face Recognition[j]. Pattern Recognition, 2005,38(7): 1125-1129. 同组设计者 毕业设计(论文)开题报告 本课题设计（研究）的目的： 人脸识别是近年来一个非常活跃的课题，其具有巨大的理论意义和应用价值人脸识别的研究对于图象处理、计算机视觉、计算机图形学模式识别等领域的发展具有巨大的推动作用同时在生物特征认证、视频监控、安全等各个领域有着广泛的应用个特征值对应的特征向量，去除较小的特征值对应的特征向量。因为去除较小的特征值对应的特征向量实际上只是去除了图像的噪声。[11] 2.2 独立成分分析 (2D-ICA) 由于PCA需要假定输入的数据概率分布是高斯分布。只有这样假定， 协方差矩阵才能包含所有数据的信息这种情况下，PCA就不能很好地工作，独立成分分析对于输入数据是二阶和高阶独立的。基ICA变换是线性变换，变换后的向量彼此之间相互独立。可以说ICA是PCA的一般化，或者说PCA是ICA的特定情况。ICA来源于盲源信号分离(BSS)问题，目的是把观察信号分解为未知独立信号的线性合成。虽有许多ICA算法，但这些算法对任意给定的数据集转换后都是相同的结果。它们的主要原则就是最优化迭代，寻找全局最优函数，最后得到独立向量。[12] 2.3 线性判别分析 (2D-LDA) PCA和ICA都不使用人脸类别信息，而使用所有训练数据。线性判别分析法是基于 Fisher准则，以样本的可分性为目标寻找一组线性变换，使样本类内离散度最小，同时使类问离散度最大，也称为Fisher线性判别(FLD)。训练集中的图像分为对应的类别，然后使用LDA寻找变换， 使得Fisher判别准则最大。[11] 2.4 发展趋势 从实验中，我们可以看到2D-LDA相比于其他方法具有很多优点。在四种算法中2D-LDA具有最好的识别准确率。而且这种算法的计算量比Eigenfaces和Fisherfaces要低的多，与2D-PCA接近。在低维图像处理时这种方法显示了其强大的优势。但2D-LDA仍然具有它的不足。在处理图像时它的内存消耗要比Eigenfaces和Fisherfaces大得多，仍需进一步的完善。 三、设计（研究）的重点与难点，拟采用的途径（研究手段）： 人脸识别中的人脸图像维数通常都是非常高的，而且人脸图像在这样的高维空间中的分布很不紧凑，不利于分类，计算起来的复杂程度也非常大。所以如何对人脸图