基于2DGabor小波變換與2DPCA的人臉識(shí)別技術(shù)研究.pdf

1、Gabor變換是一種良好的人臉描述方法，二維Gabor特征比單純的灰度特征具有更強(qiáng)的魯棒性。PCA（Principle Component Analysis）方法是數(shù)據(jù)降維的重要手段，二維PCA方法，避免了從圖像矩陣向一維向量的轉(zhuǎn)換，并在人臉識(shí)別中獲得了滿意的效果。針對(duì)人臉識(shí)別技術(shù)中的魯棒性和實(shí)用性問(wèn)題，提出了2DGabor小波變換和2DPCA相結(jié)合的人臉識(shí)別方法。 本文首先對(duì)Gabor小波變換和PCA技術(shù)進(jìn)行了概述，對(duì)2DGa

2、bor小波變換和2DPCA在人臉識(shí)別中的應(yīng)用做了較全面的介紹，然后，提出了2DGabor小波變換和2DPCA相結(jié)合的人臉識(shí)別方法。針對(duì)人臉識(shí)別技術(shù)中特征矩陣的高維問(wèn)題，研究了雙向二維PCA與二次二維PCA的特征融合方法，該方法使特征矩陣的維數(shù)得到了顯著的降低。針對(duì)識(shí)別速度和識(shí)別精度需要進(jìn)一步提高的問(wèn)題，探討了基于動(dòng)態(tài)權(quán)值的BP（Back-Propagation）神經(jīng)網(wǎng)絡(luò)的集成的識(shí)別方法，該方法有效提高了人臉識(shí)別系統(tǒng)的識(shí)別速度和識(shí)別精度。