毕业设计（论文）：基于人脸局部特征的识别-人脸Gbaor特征的提取_第1页
毕业设计（论文）：基于人脸局部特征的识别-人脸Gbaor特征的提取_第2页
毕业设计（论文）：基于人脸局部特征的识别-人脸Gbaor特征的提取_第3页
毕业设计（论文）：基于人脸局部特征的识别-人脸Gbaor特征的提取_第4页
毕业设计（论文）：基于人脸局部特征的识别-人脸Gbaor特征的提取_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于人脸局部特征的识别——人脸Gbaor特征的提取人脸识别技术在当今社会中的应用越来越广泛.对于人脸识别技术的研究逐渐深入，作为人脸识别技术中最重要的一步，人脸特征的提取，也得到广大学者们的重视.课题研究背景和意义人脸特征是指人脸面部关键区域位置，如眉毛、眼睛、鼻子等.人脸特征提取的好与否，直接影响到整个人脸识别系统最终的识别效果.什么是人脸特征基于两种特征提取的人脸识别基于人脸局部特征的人脸识别方法.基于人脸全局特征的人脸识别方法.基于局部特征的人脸识别基于人脸SIFT特征的人脸识别基于人脸HOG特征的人脸识别基于人脸Gabor特征的人脸识别基于全局特征的人脸识别基于主成分分析（PCA）的人脸识别基于线性判别分析（LDA）的人脸识别全局和局部特征的区别全局特征提取的市脸部的整体信息，忽略了脸部细节信息，对外界因素的影响比较敏感．局部特征提取的是人脸局部特征信息，表现出脸部的细节信息，对外界因素的影响有较好的鲁棒性．基于Gabor特征的人脸识别读入图片，对图片进行预处理将待识别图像与Gabor滤波器进行卷积提取人脸特征将提取得到的特征与数据库中已采集的特征数据进行匹配Gabor小波定义二维Gabor小波的表达式为：式中二维Gabor滤波器定义为：相应的核函数为：式中ｘ是给定位置的图像像素，是振荡函数是高斯包络函数Gabor特征的提取将人脸图像与Gabor小波卷积得到幅值图和实部图卷积得到的幅值图即为原图中人脸的Gabor特征由于Gabor小波在图像边缘响应的实部和虚部会产生振荡，故只保留幅值图作为人脸特征图原图实部图幅值图比较实验一实验目的：验证不同方向和尺度下的人脸Gabor特征的区别实验过程：输入方向和尺度参数，运行结果如下：原图8个方向5个尺度下的幅值图实验分析：Gabor滤波器随着方向的变化，提取得到的特征由全局向局部变化实验分析：Gabor滤波器随着方向的变化，提取得到的特征由全局向局部变化实验目的：比较Gabor特征对不同人脸的提取效果实验过程：输入不同人脸图片，运行结果如下：比较实验二实验分析：Gabor滤波器随着方向的变化，提取得到的特征由全局向局部变化实验目的：比较同一个人不同角度下Gabor特征的区别实验过程：输入同一个人不同角度的图像，运行结果如下：比较实验三实验分析：Gabor滤波器随着方向的变化，提取得到的特征由全局向局部变化实验目的：同一个人不

人人文库> 全部分类> 毕业设计 > 毕业论文

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论