發(fā)布時間：2021-04-14 15:04

　　人臉識別技術是計算機視覺等領域內的研究熱點之一,其分類識別的主要依據(jù)是提取出能準確反映人臉信息的特征。目前在理想環(huán)境下,人臉識別技術已經(jīng)很成熟了,但是在現(xiàn)實情況下,人臉識別效果還有較大的提升空間,其主要影響因素是光照、表情、遮擋以及多尺度等問題,尤其是對于實際應用場合中距離遠、運動等客觀因素造成的模糊人臉的識別,其效果更不理想。特征提取是人臉識別過程中最關鍵的環(huán)節(jié),一個好的特征提取方法在很大程度上決定了人臉識別的準確率。本文針對非理想環(huán)境下人臉識別存在的問題以及模糊人臉識別率較低的情況,深入分析了現(xiàn)有的人臉特征提取方法,在Trace變換的基礎上提出了多角度跡線融合特征提取方法。本文的主要貢獻如下:1.提出了一種多角度跡線局部梯度模式特征提取方法,該方法利用局部梯度代替像素的方式對圖像進行特征提取,不僅改變了局部梯度模式的特征提取方式,使其在圖像的跡線上從頭到尾“有序”的選取采樣點,并進行8位二進制編碼,同時還引入圖像旋轉思想,圖像每旋轉一個角度,提取一組特征信息,最終提取到“有序”排列的“全局結構性”特征,增強了對圖像特征空間結構性的表達能力以及旋轉不變性。2.針對梯度局部二值模式僅限... 

【文章來源】：東華理工大學江西省

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
    1.3 常用的人臉數(shù)據(jù)庫
        1.3.1 ORL數(shù)據(jù)庫
        1.3.2 AR數(shù)據(jù)庫
        1.3.3 Yale數(shù)據(jù)庫
    1.4 本文的研究內容與組織架構
        1.4.1 研究內容
        1.4.2 組織架構
2 相關知識原理概述
    2.1 Radon變換和Trace變換
        2.1.1 Radon變換
        2.1.2 Trace變換
    2.2 人臉識別中三大主流特征LBP、HOG、Haar
        2.2.1 局部二值模式
        2.2.2 HOG特征
        2.2.3 Haar特征
    2.3 人臉識別之卷積神經(jīng)網(wǎng)絡
        2.3.1 卷積層
        2.3.2 池化層
        2.3.3 實驗結果與分析
    2.4 本章小結
3 多角度跡線局部梯度模式特征提取及其在人臉識別中的應用研究
    3.1 圖像預處理
    3.2 多角度跡線局部梯度模式特征提取
    3.3 支持向量機
    3.4 改進方案
    3.5 實驗結果與分析
        3.5.1 標準人臉數(shù)據(jù)庫上的實驗結果與分析
        3.5.2 模糊人臉數(shù)據(jù)庫上的實驗結果與分析
    3.6 本章小結
4 多角度跡線梯度局部二值模式特征的提取及其在人臉識別中的應用研究
    4.1 多角度跡線梯度局部二值模式特征的提取及其改進方案
        4.1.1 多角度跡線梯度局部二值模式特征的提取
        4.1.2 改進方案
    4.2 實驗結果與分析
        4.2.1 標準人臉數(shù)據(jù)庫上的實驗結果與分析
        4.2.2 模糊人臉數(shù)據(jù)庫上的實驗結果與分析
    4.3 本章小結
5 多角度跡線HOG特征的提取及其在人臉識別中的應用研究
    5.1 多角度跡線HOG特征的提取及其改進方案
        5.1.1 多角度跡線HOG特征的提取
        5.1.2 改進方案
    5.2 實驗結果與分析
        5.2.1 標準人臉數(shù)據(jù)庫上的實驗結果與分析
        5.2.2 模糊人臉數(shù)據(jù)庫上的實驗結果與分析
    5.3 本章小結
6 總結與展望
    6.1 總結
    6.2 展望
致謝
在攻讀學位期間取得的科研成果
參考文獻


【參考文獻】：
期刊論文
[1]圓跡變換及圖像紋理分析[J]. 汪宇玲,黎明.  電子學報. 2018(10)
[2]基于Gabor特征融合與LBP直方圖的人臉表情特征提取方法[J]. 牛連強,趙子天,張勝男.  沈陽工業(yè)大學學報. 2016(01)
[3]基于2DNPP和Trace變換的平面內旋轉人臉識別[J]. 施展,杜明輝,梁亞玲.  華南理工大學學報(自然科學版). 2012(08)
[4]融合LBP和GLCM的紋理特征提取方法[J]. 王國德,張培林,任國全,寇璽.  計算機工程. 2012(11)
[5]基于PCA/ICA的人臉特征提取新方法[J]. 范群貞,劉金清.  電子測量技術. 2010(08)
[6]多級LBP直方圖序列特征的人臉識別[J]. 高濤,何明一,戴玉超,白磷.  中國圖象圖形學報. 2009(02)
[7]基于Radon-TVAR的多分量Chirp信號檢測[J]. 丘建勇,沈民奮,陳和晏.  電子測量與儀器學報. 2006(05)
[8]人臉識別中的“誤配準災難”問題研究[J]. 山世光,高文,唱軼鉦,曹波,陳熙霖.  計算機學報. 2005(05)
[9]對稱主分量分析及其在人臉識別中的應用[J]. 楊瓊,丁曉青.  計算機學報. 2003(09)
[10]基于紋理分布和變形模板的面部特征提取[J]. 山世光,高文,陳熙霖.  軟件學報. 2001(04)

博士論文
[1]基于特征學習的人臉識別研究[D]. 王洪俊.北京郵電大學 2018
[2]紋理圖像特征提取與分類研究[D]. 許文韜.華東師范大學 2017
[3]基于局部二值模式的紋理分類研究[D]. 賀永剛.華中科技大學 2012

碩士論文
[1]基于多特征融合的人臉識別研究[D]. 張曉兵.西安科技大學 2018
[2]基于改進LBP算子的人臉識別算法研究[D]. 徐金林.安徽理工大學 2018
[3]基于多尺度金字塔特征塊提取HOG特征的新型人臉識別算法[D]. 張昊.吉林大學 2017



本文編號：3137530