论文部分内容阅读
随着互联网不断的发展以及各种高端电子产品的不断普及,人脸识别技术逐渐被应用到各种领域成为了人们生活中很重要的一部分。传统的人脸识别技术由于其准确度低、耗时高给人们生活带来许多不便,所以如何精准提取人脸特征、精确分类成为了研究重点。针对以上问题,在PCA方法、小波变换和支持向量机(SVM)的基础上,提出更加有效的人的脸部辨别方式。本文研究的内容如下:(1)快速PCA降维。传统的PCA是一种降维技术,它能将高维人脸图像数据通过线性变换变为低维数据,这些低维数据在很大程度上能够代表原始图像的信息,但是由于人脸图像维数太高,传统的PCA特征提取技术存在耗时高、计算繁琐问题,文本使用快速PCA降维技术。(2)加权小波变换。对人的面部图像进行小波变换分解出一个频率低的部分和三个频率高的部分。传统小波变换利用了频率低的部分,舍弃了频率高的部分,造成了人脸图像中部分特性丢失,所以本文提出了加权小波变换,对四个分量进行系数加权从而对四个分量信息进行融合。(3)人脸图预处理。传统的人脸图像受到外界因素如光照、噪声等会降低图像质量从而会影响人脸识别效果。所以人的脸部图像预处理操作可以有效避免这些问题从而更加突出人的脸部特性,人的脸部图像预处理操作包括:灰度化操作、去噪操作、校正操作、归一化操作。(4)θ变换。传统的人脸图像受到光照作用会使图像变得模糊、暗淡降低图像质量从而影响人脸识别效果,虽然人脸图像进过预处理操作可以提纯人脸图像,但是在一定程度上也改变了图像的亮度,所以本文提出θ变换可以改变图像的亮度有利于识别,另一方面人的脸部图像存在被盗取的风险,所以在进行人的脸部图像识别前面通过θ变换可以变相给人的脸部图像进行加密,这样降低了人脸图像被盗取的风险。本文提出了一种基于PCA和θ变换的加权小波变换+SVM算法(PCA-θT-WWT-SVM),实验测试显示,该方法不仅可以有效的提取人的脸部特征,而且具有更高的辨别率。基于该算法设计了一个人的脸部识别系统,该系统可以判断未知人的脸部图像是否和人脸库中人的脸部图像相匹配,具有一定的应用价值。