人脸识别算法的研究.doc

摘要：人脸识别作为生物特征识别技术中最自然、最友好的手段，在过去的三十多年里，人们对其始终抱有浓厚的兴趣。其根本原因是巨大的社会需求、应用潜力和广泛的应用范围。在国际背景下，近几年国际安全局势不稳定，各国对自身重要的设施的安全性能越发重视，例如在人员出入边境时对可疑人员进行监控，积极推动了人脸识别在应用领域的发展。

本文中主要完成了以下几项任务 ：

1）在人脸图像预处理中，提出用小波变换对图像进行降噪处理，并和传统的维纳滤波法、中值滤波法和均值滤波法进行效果对比，显示其良好的降噪效果。

2）在人脸识别算法中主要研究奇异值分解（SVD）算法，在原有理论的基础上提出新的算法。

3）通过Matlab仿真对新算法进行验证，并和传统的奇异值分解法和PCA方法进行比较，取得了较好的结果。

本文人脸识别主要运用基于小波变换的人脸图像预处理和基于SVD的人脸识别的改进算法进行人脸识别。

关键字：人脸识别，小波变换，图像预处理，奇异值分解

目录

摘要

ABSTRACT

第一章 绪 论-1

1.1本论文的背景和意义-1

1.2人脸识别的发展史-1

1.3人脸识别使用的领域-2

1.4人脸识别的存在难度-3

1.5 人脸识别的流程-3

1.6 本论文的主要内容-3

1.7 本论文的结构安排-4

第二章 图像预处理-5

2.1图像采集-5

2.2小波变换-5

2.2.1小波变换的特点-5

2.2.2 小波变换的基本原理-5

2.3小波变换与图像处理-6

2.3.1 小波变换降噪的原理-6

2.3.2 小波变换法处理图像的优势-7

2.3.3 仿真对比-8

本章小结-9

第三章 人脸识别算法-10

3.1人脸特征提取-10

3.2人脸识别算法-10

3.2.1基于奇异值分解的人脸识别-10

3.2.2基于几何特征的人脸识别-12

3.2.3基于特征脸（PCA）的人脸识别方法-12

3.2.4基于模板匹配的人脸识别-13

3.2.5神经网络的人脸识别-13

3.2.6 支持向量机（SVM）人脸识别-14

3.2.7 Boosting方法-14

3.3最近邻决策分类过程-14

3.4设想与改进-14

本章小结：-16

第四章 人脸识别仿真-17

4.1本文使用的人脸库介绍-17

4.2课题中使用的原理-17

4.3理论验证-17

4.3.1人脸图像预处理-17

4.3.2 人脸识别-19

4.3.3 问题及解决方案-19

4.4实验结果及数据分析-19

第五章 总结-25

参考文献-26

致谢-27