基于子圖分割的人臉特征提取算法性能比較研究
2.6萬字 75頁
包括開題報告和任務(wù)書，另附程序代碼如下：
附錄
1. 基于奇異值分解的人臉特診提取算法
2. 基于變異系數(shù)的人臉特征提取算法_保留平滑區(qū)子圖
3．基于變異系數(shù)的人臉特征提取算法_去除平滑區(qū)子圖


摘 要
人臉識別技術(shù)是國內(nèi)外共同關(guān)注的一個前沿課題，在現(xiàn)代經(jīng)濟和社會的發(fā)展中有著十分廣泛的應(yīng)用領(lǐng)域和應(yīng)用前景，如安全系統(tǒng)、罪犯識別、電視會議等，人臉識別技術(shù)也是當(dāng)前模式識別和人工智能領(lǐng)域的研究熱點之一。
本文分析了人臉識別技術(shù)的研究現(xiàn)狀，結(jié)合已有的研究基礎(chǔ)提出了基于變異系數(shù)的人臉特征提取算法和基于奇異值分解的人臉特征提取算法，并結(jié)合子圖分割思想和神經(jīng)網(wǎng)絡(luò)技術(shù)對算法進行了評價。在基于變異系數(shù)的算法中，選擇合適的變異系數(shù)代表原圖的特征減少了圖像信息的冗余。進一步研究表明去除包含信息量少的子圖能在一定程度上提高識別率并節(jié)約計算資源。在基于奇異值分解的算法中，將圖像變換后的奇異值作為特征，這具有一些良好的性質(zhì)，如穩(wěn)定性、比例不變性和旋轉(zhuǎn)不變性。和一些人臉識別方法相比，本文提出的兩種人臉識別算法具有較好的性能，基于ORL人臉庫的性能模擬實驗表明，算法具有較高識別率。此外，本文在VC++ 6.0環(huán)境下，作者依據(jù)前期研究成果并結(jié)合圖像處理和模式識別的基本原理開發(fā)了一個靜態(tài)人臉圖像識別演示系統(tǒng)。該系統(tǒng)能有效快捷的進行人臉識別。

關(guān)鍵詞：人臉識別，子圖分割，變異系數(shù)，奇異值分解，反向傳播神經(jīng)網(wǎng)絡(luò)



Comparison Research on Performance of Face Feature Extraction Algorithms Based on Sub-image Segmentation
Abstract
Face recognition technology is front-line task in pattern recognition domain, which can be used in all kinds of fields, such as security systems, criminal identifications, teleconferences and entertainment. Face recognition is also one of hot spots in pattern recognition and artificial intelligence.
This thesis analyzes the actuality of automated face recognition. Combined with the previous research, two face feature extraction algorithms (coefficients of variances (CV) and singular value decomposition (SVM)) are proposed. Based on sub-image dividing idea and back-propagation neural networks, the performances of these algorithms are evaluated. In the face feature extraction algorithms based on CV, suitable coefficients are selected to denote images, which can reduce image information redundancy. The further research shows that the recognition rate can be improved and the computing recourse can be cut down if the sub-image including little information is removed. In the face feature extraction algorithms based on SVD, singular values of image have some good characteristics, such as stability, scale fixity and angle fixity. Compared with some algorithms, the proposed algorithms’ performances are higher. Based on ORL database, experiments results show that our algorithms have high recognition rate. Otherwise, a static face picture recognition system is developed based on the previous research. The system is realized by using VC++ 6.0 and theories of image proceeding and pattern reorganization. The system can recognize face image effectively and easily.

Key Words: face recognition, sub-image segmentation, coefficients of variances, singular value decomposition, back-propagation neural networks

目 錄
摘 要.................................................................................................................................................I
ABSTRACT....................................................................................................................................II
1. 緒論 1
1．1 課題研究背景 1
1．2 課題研究內(nèi)容 2
1．3 論文組織結(jié)構(gòu) 3
2. 人臉識別綜述 4
2．1 特征提取算法 4
2．1．1 基于幾何特征的方法 4
2．1．2 基于模型的方法 5
2．1．3 基于統(tǒng)計的方法 5
2．1．4 彈性圖匹配方法 6
2．2 基于三維數(shù)據(jù)的人臉識別的方法 7
2．2．1 基于曲率的方法 7
2．2．2 基于模型合成的方法 7
2．3 分類算法 7
2．3．1 基于神經(jīng)網(wǎng)絡(luò)的方法 7
2．3．2 多分類器集成方法 8
2．4 總結(jié) 8
3. 神經(jīng)網(wǎng)絡(luò)概述 10
3．1 人工神經(jīng)網(wǎng)絡(luò)概述 10
3．2 神經(jīng)元模型 10
3．3 BP神經(jīng)網(wǎng)絡(luò)分類器 11
3．3．1 BP神經(jīng)網(wǎng)絡(luò)模型 11
3．3．2 BP網(wǎng)絡(luò)學(xué)習(xí)算法 12
4. 基于子圖分割的人臉特征提取算法與人臉識別系統(tǒng) 15
4．1 子圖分割思想 15
4．2子圖分割與變異系數(shù)相結(jié)合的人臉特征提取算法 15
4．2．1變異系數(shù)的傳統(tǒng)意義及其在圖像處理中的應(yīng)用 15
4．2．2變異系數(shù)的幾何意義及其在圖像處理中的應(yīng)用 16
4．2．3變異系數(shù)的選取 18
4．3 子圖分割與奇異值分解相結(jié)合的人臉特征提取算法 20
4．3．1 奇異值的代數(shù)特性及其在圖像處理中的應(yīng)用 20
4．3．2 奇異值的降維壓縮 21
4．3．3 奇異值的選取 22
4．4 系統(tǒng)框架 23
4．4．1 圖像預(yù)處理 23
4．4．2 特征提取算法中系數(shù)選取的方案 24
4．4．3 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計 25
5. 性能分析 27
5．1 人臉數(shù)據(jù)庫 27
5．2 實驗結(jié)果 28
6. 靜態(tài)人臉圖像識別演示系統(tǒng) 35
6．1 系統(tǒng)簡介 35
6．2 系統(tǒng)的基本技術(shù)要求 35
6．3 系統(tǒng)中的關(guān)鍵技術(shù) 35
6．4 系統(tǒng)的軟硬件平臺 35
6．5 系統(tǒng)實現(xiàn) 36
6．5．1 系統(tǒng)流程圖 36
6．5．2 系統(tǒng)總體編程框架 36
6．5．3 程序使用說明 38
7. 總結(jié) 43
致 謝 44
參考文獻 45
附錄 代碼 47


參考文獻
[6] 趙海濤, 齡東軍, 余忠. 基于形狀和紋理的人臉自動識別[J] ,計算機研究與發(fā)展,2003,40(4):40-44.
[7] 楊健, 楊靜宇. 具有統(tǒng)計不相關(guān)性的圖像投影鑒別分析及人臉識別[J]. 計算機研究與發(fā)展.2003, 40(3):30-35.
[8] Cheng Y, Liu K, Yang J. Human face recognition method based on the statistical model of small sample size [J] . SPIE Proc, Intell. Robots and Computer Vision X: Algorithms and Techn.1991, 16(6):85-95.
[9] Brunelli R, Poggio T. Face Recognition: Features versus Templates. IEEE Trans on Pattern Analysis and Machine Intelligence[J] ,1993,15(10):1042-1052.
[10] Samal A, Iyengar P A. Automatic Recognition and Analysis of Human Faces and Facial Expressions Survey [J] .Pattern Rec-ognition, 1992, 25(1):65- 77.
[11] Cootes T F, Taylor C J. Active Shape Models-Their Training and Application[J] .Computer Vision and Image Understanding,1995,61(1):38-59.