【正文】 ge database . This part is mainly to verify the extracted face feature vector , and to pare two different dimension reduction method .Finally, This paper do the simulation experiment in the orl and yale two face database . The experiment results show that the LPP dimension reduction method is better than PCA dimension reduction method. Key words: Face recognition。接著，介紹了 Gabor 小波變換的快速算法。在生物特征識別中，人臉識別占有極為重要的地位。 (3) 針對 Gabor 和 LBP 提取的人臉特征向量維數(shù)過高問題，本文分別采用了 LPP和 PCA 降維算法來進(jìn)行降維。 Distance measure 西南科技大學(xué)本科生畢業(yè)論文 4 目 錄 第 1 章 緒 論 .......................................................... 6 課題的背景和意義 ............................................... 6 當(dāng)前人臉識別的國內(nèi)外現(xiàn)狀 ....................................... 7 課題的總設(shè)計思路 ............................................... 8 人臉特征提取的步驟及方法 ....................................... 9 人臉圖像的預(yù)處理 ......................................... 9 基于 Gabor 小波算法進(jìn)行人臉特征提取 ....................... 9 應(yīng)用 LBP 算子 ............................................ 10 采用 PCA 和 LPP 對提取的特征向量降維，以提高 識別時間 ...... 10 用距離測度法度量相似度進(jìn)行結(jié)果測試 ...................... 10 本章小結(jié) ...................................................... 11 第 2 章 Gabor 小波變換 ................................................. 12 引言 .......................................................... 12 Gabor 小波變換的定義 .......................................... 13 Gabor 變換在人臉識別中的應(yīng)用 .................................. 15 Gabor 濾波器 .................................................. 15 Gabor 濾波器參數(shù)的選擇 ................................... 19 Gabor 濾波器的性質(zhì)和計算方法 ............................. 19 Gabor 變換的人臉特征提取 ................................. 20 Gabor 快速算法圖 .............................................. 21 快速傅里葉變換 (FFT) ..................................... 22 Gabor 變換的快速算法 ..................................... 24 本章小結(jié) ..................................... 25 第 3 章 LBP 算法 、 PCA 和 LPP 降維算法 .................................... 26 引言 .......................................................... 26 LBP 基本算子 .................................................. 26 改進(jìn)的 LBP 算子 ........................................... 27 PCA 降維算法的實現(xiàn)原理 ........................................ 28 PCA 的基本概念 ........................................... 29 西南科技大學(xué)本科生畢業(yè)論文 5 PCA 原理 .................................................. 29 PCA 算法 .................................................. 30 LPP 算子降維原理 ............................................... 31 LPP 算法降維實現(xiàn)原理 ...................................... 31 本章小結(jié) ....................................................... 32 第四章 距離測度法度量相似度比較 ...................................... 33 引言 ........................................................... 33 距離測量簡介 ................................................... 33 具體算法 ...................................................... 34 ORL 人臉庫實驗分析 ............................................ 35 算法的比較 .............................................. 36 YALE 人臉庫實驗 ............................................... 37 本章小結(jié) ....................................................... 38 結(jié) 論 ................................................................. 39 參考文獻(xiàn) .............................................................. 40 致 謝 ................................................................ 42 附錄一 ................................................................ 43 附錄二 ................................................................ 46 附錄三 ................................................................ 47 西南科技大學(xué)本科生畢業(yè)論文 6 第 1 章 緒 論 課題的背景和意義 在現(xiàn)在這個信息化的時代中，身份識別技術(shù)的應(yīng)用價值是非常重要的。身體特征包括：指紋、視網(wǎng)膜、虹膜、人臉等；行為特征包括簽名、聲音、步態(tài)等。生物特征識別在國外起步早，也發(fā)展很快 [2] 。只要能照相的設(shè)備，手機(jī)相機(jī)皆可，由于這些設(shè)備目前已普及，故為人臉識別的廣泛應(yīng)用提供了有力的基礎(chǔ)和保障 。系統(tǒng)可以接受時間間隔較長的照片，并能達(dá)到較高的識別率，在計算機(jī)中庫藏 2300 人的正面照片，每人一張照片，使用相距 17 年、差別比較大的照片去查詢，首選率可以達(dá)到 50%，前 20 張輸出照片中包含有與輸入照片為同一人的照片的概率可達(dá) 70%。 最近，美國的 LAU 公司研制的人臉圖像自動識別系統(tǒng)，是按照平常人們的生活習(xí)慣（即人眼辨別 人臉）的原理，基于生物測量學(xué)、人像復(fù)原技術(shù)開發(fā)的裝置。一般來說，一個完整的人臉識別系統(tǒng)包括。 西南科技大學(xué)本科生畢業(yè)論文 10 Gabor 濾波器對人臉圖像的響應(yīng)特性主要體現(xiàn)在邊緣、亮度和位置 3 方面的特征。 采用 PCA 和 LPP 對提取的特征向量降維，以提高識別時間 PCA（ Principal Component Analysis，主成 分分析）是一種掌握事物主要矛盾的統(tǒng)計分析方法，它可以從多元事物中解析出主要影響因素，揭示事物的本質(zhì)，簡化復(fù)雜的問題。 本章小結(jié) 本章主要介紹了 此次課題 研究的 背景 和意義、國內(nèi)外在這方面的 研究現(xiàn)狀，針對目前面對的技術(shù)難題，提出了本課題的研究內(nèi)容和技術(shù) 思路 ，在概述本文主要工作的同時給出了文章的結(jié)構(gòu)。因為一個 Gaussian 函數(shù)的傅立葉變換還是一個 Gaussian 函數(shù)，所以傅立葉逆變換也是局部的。但不論上述哪一種方法，均為復(fù)數(shù)形式的 Gabor 變換。該變換在 ? 點(diǎn)附近局部測量了頻率為ω的正弦分量的幅度。由于 Fourier 變換是能量守恒的，所以有 Parseval定理存在。這樣就有利于同時在頻域和時域提取信號 ()ft的精確信息 。根據(jù) Gabor 變換的原理和實際需要，可構(gòu)造不同的 Gabor 濾波器。 )2exp( 222?xk j? 是 Gauss 函數(shù)，這實際上是通過加窗限制了函數(shù)的范圍，使其在 局部有效。各個濾波器窗口的大小為 3232,確定濾波器的所有參數(shù) (可自己決定 )后 ,當(dāng)采取上述的參數(shù)后 ,可得如下圖 的 12 個濾波器 (圖片源代碼詳見附錄一 )。 Gabor 濾波器利用公式定義的卷積，就可以在圖像每個不同的 x 處得到 12???? 個不同復(fù)值的濾波結(jié)果 [12]。這和直接將圖像的灰度特征作為模板相比，優(yōu)勢是很明顯的。從 Gabor 核函數(shù)的定義公式可以看出，由于 Gauss 窗函數(shù)的限制， Gabor 核函數(shù)只在一個局部非零，因此我們只需 要對其局部進(jìn)行離散抽樣即可。離散傅里葉變換 (DFT)西南科技大學(xué)本科生畢業(yè)論文 22 在信號的頻譜析、系統(tǒng)的分析、設(shè)計和實現(xiàn)中得到了廣泛的應(yīng)用，原因之一就是計算DFT 有很多的快速算法，快速傅里葉變換 (FFT)算法就是其中之一。這種算法是將輸入序列在時域上的次序按偶數(shù)和奇數(shù)來抽取，對于任意一個 N =2M 點(diǎn)長序列的 DFT 運(yùn)算，可以采用 M 次分解，最后分解成 2 點(diǎn)的 DFT 運(yùn)算的組合，從而降低了運(yùn)算量。這是一種利用將基 2 和基 4 于變換的不同部位，進(jìn)一步改善固定一基和混合一基的算法，其基本思路是對偶序號輸出使用基 2 算法，對奇序列輸出使用基 4 算法，將大點(diǎn)數(shù)的 DFT 逐級分解成小點(diǎn)數(shù)的 DFT 運(yùn)算。 “小 N”因子的 DFT 是指 2， 3， 4， 5， 7， 8， 9 和 16 點(diǎn)的 DFT。即行一列算法、矢量一基算法 (VR)、嵌套算法、多項式變換算法。從直觀上說，就是對兩個卷積的函數(shù)重疊部分以外都用周期延拓的方式填充。 本章小結(jié) 本章主要介紹了 Gabor 小波變換的具體原理和實際應(yīng)用，及用于人臉識別的具體算法 。而 LPP 的思想是通過一定的性能目標(biāo)函數(shù)來尋找線性變換矩陣 W ，以實現(xiàn)對高維數(shù)據(jù)的降維。符號 LB RP 表示在半徑為 R的圓形鄰域內(nèi)有 P個像素點(diǎn)，常見的幾種 LBP算子有 LB 18P 、 LB 216P 、 LB 28P 等。 使用 LBP 算子掃描整個人臉圖像，便可以得到 LBP 編碼圖像。所謂主成分就是原始數(shù)據(jù)的 m 個變量經(jīng)線性組合 (或映射 )后得到的變量，該變化使得其變換后的變量方差為最大的 (第一主成分 )部分。 西南科技大學(xué)本科生畢業(yè)論文 30 PCA 算法 從本質(zhì)上來說，主成分分析法是一種線性映射算法 ，它的算法步驟如下： 設(shè)原始觀測數(shù)據(jù)樣本集合為一組 (l 個 )零均值 (如果不是的話，則先做去均值預(yù)處理，相當(dāng)于對全體向量作一次平移變換 )的 n 維隨機(jī)向量：? ?1