毕业设计（论文）：SIFT特征提取及其在人脸识别中的应用_第1页
毕业设计（论文）：SIFT特征提取及其在人脸识别中的应用_第2页
毕业设计（论文）：SIFT特征提取及其在人脸识别中的应用_第3页
毕业设计（论文）：SIFT特征提取及其在人脸识别中的应用_第4页
毕业设计（论文）：SIFT特征提取及其在人脸识别中的应用_第5页
已阅读5页，还剩12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

SIFT特征提取及其在人脸识别中的应用论文作者:指导老师:课题研究的意义和背景人脸识别技术作为一种生物识别技术，是重要的身份鉴定技术.特征提取是人脸识别中十分重要的一个环节.什么是人脸识别技术？

利用计算机分析人脸图像，提取有效的识别信息，进行辨别身份的一种技术.人脸特征提取方法的两大类基于整体特征的提取方法基于局部特征的提取方法几种经典的人脸特征提取算法主成分分析算法（PCA）Gabor尺度不变特征转换（SIFT）快速鲁棒性特征（SURF）方向梯度直方图（HOG）局部二值模式算法（LBP）关键点保留SIFT算法（KPSIFT）基于SIFT特征提取的人脸识别流程图输入图像（进行预处理）SIFT特征提取特征匹配与识别SIFT算法的基本原理构建尺度空间局部极值点检测方向分配特征点描述子生成尺度空间的建立完成尺度变换的唯一线性核：高斯卷积核高斯卷积公式：高斯函数：高斯差分尺度空间：局部极值点的检测去除低对比度的极值点：剔除不稳定的边缘响应点：用拟合三维二次函数来精确定位关键点的位置和尺度（实现亚像素精度）对极值点进行方向分配

给每个关键点加上方向参数，使特征算子具有旋转不变性梯度的幅值和方向将直方图定义为360度，每45度为一个bin区间，共8个bin右图中直方图里的峰值就是所在邻域梯度的主方向特征点描述子生成旋转主方向：保持SIFT算子的不变性生成描述算子归一化处理实验1：SIFT特征提取（1）高斯和高斯差分尺度空间的建立用高斯平滑滤波器处理图像获得高斯尺度空间，共有4组octave，每组5张高斯图像将上下两个尺度的高斯图像进行相减，再对图像进行滤波处理获得高斯差分尺度空间，共有4组octave，每组4张高斯差分图像（2）关键点检测实验分析：左侧的图是待检测的原始图像，右侧的图是检测到极值

点的效果图，其中每个点代表一个像素，这样的点是与

它邻近的26个像素点进行比较，然后进行检测去除低对

比度和边缘响应强的点后获得的极值点。（3）生成描述子实验分析：是一幅生成了SIFT特征向量（即描述子）的图片，其中箭头的起点表示关键点的位置，长度表示向量的模值，箭头的指向表示了SIFT特征向量的方向。实验2：基于SIFT特征提取的人脸匹配实验目的：演示了在不同因素（光照、表情、姿态、遮挡）影响下，基于

SIFT特征提取进行人脸匹配的结果。实验结果：不同因素对匹配结果的影响程度不同

光照变化下的匹配结果表情变化下的匹配结果

姿态变化下的匹配结果遮挡变化下的匹配结果

实验分析：从图中可以看出基于SIFT特征提取的人脸匹配在

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