王妮英文翻譯

《王妮英文翻譯》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、畢業(yè)設(shè)計(jì)說(shuō)明書英文文獻(xiàn)及中文翻譯學(xué)生姓名：王妮學(xué)號(hào)：09050641X15學(xué)院：信息商務(wù)學(xué)院系名：信息與通信工程系專業(yè)：電子信息工程指導(dǎo)教師：李化欣2013年6月基于紅-黑小波變換和PCA的人臉識(shí)別摘要隨著人機(jī)界面和識(shí)別技術(shù)的發(fā)展，人臉識(shí)別已經(jīng)成為生物特征識(shí)別領(lǐng)域最重要的研究方面之一。如今，在采用主成分分析（PCA）的基礎(chǔ)上建立了許多人臉數(shù)據(jù)庫(kù)，并取得了良好的效果。然而，PCA也有其局限性，如：大量的計(jì)算和區(qū)分能力低。鑒于這些限制，本文提出了一種基于紅-黑小波變換和PCA的人臉識(shí)別方法。改進(jìn)后的直方

2、圖均衡化是用來(lái)實(shí)現(xiàn)圖像的預(yù)處理，以便補(bǔ)償照明。同時(shí)，摻插的紅-黑小波與子波段中包含提取與原始圖像相匹配的圖像信息。與傳統(tǒng)方法相比，具有更好的識(shí)別率，并能降低計(jì)算復(fù)雜度。關(guān)鍵詞：紅-黑小波變換，PCA，人臉識(shí)別，改進(jìn)的直方圖均衡化1.介紹由于傳統(tǒng)的身份識(shí)別（ID卡，密碼等）有一定得缺陷，基于生物特征識(shí)別技術(shù)成為關(guān)注的焦點(diǎn)被重新提出。與其他生物特征識(shí)別技術(shù)（如指紋，DNA,掌紋等）相比，人們識(shí)別周圍的人大多是利用生物的人臉特征。在人的視覺上面對(duì)的是最普遍的模式。這反映了人臉視覺信息的交流和接觸對(duì)人們具有

3、重要的作用和意義。因此，人臉作為最簡(jiǎn)單的方法在識(shí)別領(lǐng)域被接受，并成為最有潛力的身份驗(yàn)證方法之一。臉部識(shí)別技術(shù)具有方便，信息豐富的特點(diǎn)。它有廣泛的應(yīng)用，如識(shí)別駕駛執(zhí)照和護(hù)照檢查，銀行和海關(guān)控制系統(tǒng)，以及其他領(lǐng)域[1]。臉部識(shí)別技術(shù)的主要方法可以概括為三種：基于幾何特征，模板和模型。20世紀(jì)90年代以來(lái)一直關(guān)注基于KL變換的PCA的人臉識(shí)別方法。這是簡(jiǎn)單，快捷。和容易使用的。它可以反映整個(gè)人臉的特征。因此，運(yùn)用PCA的人臉識(shí)別方法在不斷改善。D.-S.Huang等人（主編）：ICIC2008，LNCS5

4、226，第561-568頁(yè)，2008年。柏林海德堡施普林格出版社2008年本文提出了一種基于紅-黑小波變換和PCA對(duì)人臉識(shí)別方法。首先，使用改進(jìn)的圖像的直方圖均衡化的[2]做圖像的預(yù)處理，從而消除光強(qiáng)度的差異的影響。其次由于藍(lán)的子頻帶的相對(duì)穩(wěn)定的人臉圖像模糊的表達(dá)式和姿勢(shì)的影響撤出使用的紅-黑小波變換。然后，使用PCA，退出功能組件和辨識(shí)。與傳統(tǒng)的PCA方法相比，這可以顯著降低計(jì)算復(fù)雜度，提高識(shí)別率和抗噪性能。實(shí)驗(yàn)結(jié)果表明：本文提到的方法更準(zhǔn)確，更有效。2.紅-黑小波變換這些年來(lái)發(fā)展迅速，小波變換得

5、到有效的提升。它丟棄復(fù)雜的數(shù)學(xué)概念和經(jīng)典的小波變換中的傅立葉變換分析的伸縮和翻轉(zhuǎn)。它的原則，從經(jīng)典的小波變換的多分辨率分析的思想。紅-黑小波變換[3-4]是一個(gè)二維提升小波變換[5-6]，它包含水平/垂直和對(duì)角線升降。以下是具體原則?！ぜt黑（a）(b)(c)圖一：紅-黑小波變換，水平/垂直升降2.1水平/垂直升降根據(jù)圖一的顯示，水平/垂直升降的被分成三個(gè)步驟：1.分解：原始圖像被分解成紅色和黑色的水平垂直橫塊的方式。2.預(yù)測(cè)：通過水平和垂直方向上4個(gè)相鄰的紅塊，得到黑塊的預(yù)測(cè)值然后使用黑塊的實(shí)際值和

6、預(yù)測(cè)值得差代替黑塊的實(shí)際值。其結(jié)果為原始圖像的小波系數(shù)。如圖1(b)表達(dá)式為：（1）3.修訂：使用水平和垂直方向的4個(gè)相鄰的黑塊小波系數(shù)修改紅色塊的實(shí)際值，際值，以獲得近似的信號(hào)。如圖1(c)表達(dá)式為：（2）在這種方式中，紅色塊對(duì)應(yīng)的是近似的圖像信息，黑色塊對(duì)應(yīng)的是圖像的詳細(xì)信息。2.2對(duì)角線升降在水平/垂直升降的基礎(chǔ)上，我們做對(duì)角線升降。如圖2所示，它也分成3個(gè)步驟：藍(lán)色黃色（a）(b)(c)圖2.對(duì)角線升降1.分解：水平/垂直升降后，將所獲得的紅塊，變成了藍(lán)色塊和黃色塊對(duì)角交叉的方式。2.預(yù)測(cè)：

7、通過四個(gè)對(duì)角線附近的藍(lán)色塊，得到黃色塊的預(yù)測(cè)值。然后用黃色塊的實(shí)際值與預(yù)測(cè)值之差代替黃色塊的實(shí)際值。其結(jié)果為對(duì)角方向上的原始圖像的小波系數(shù)。如圖2(b)表達(dá)式為：（3）1.修訂：使用四個(gè)對(duì)角附近黃色塊的小波系數(shù)修改的藍(lán)色塊的實(shí)際值，以獲得近似的信號(hào)。圖2(c)表達(dá)式為：（4）2次升降之后，紅-黑小波實(shí)現(xiàn)變換。根據(jù)方程，可以分析紅-黑小波變換和經(jīng)典小波變換：即：藍(lán)色塊的子帶LL和古典張量積小波部分之間的對(duì)等關(guān)系，這就是黃色塊等于子頻帶HH以及黑色塊等于子波段HL和LH。實(shí)驗(yàn)結(jié)果表明，它摒棄了復(fù)雜的數(shù)學(xué)

8、概念和公式。大多可以消除圖像的相關(guān)性，可以通過以下方式獲得紅-黑小波變換圖像的簡(jiǎn)要表示。紅-黑小波變換后的圖像如圖3（b），在左上角的藍(lán)色子帶塊的圖像，這是原始圖像的近似圖像。（a）原圖（b）紅-黑小波變換后的圖像圖3.紅-黑小波變換后的圖像3.基于PCA的特征提取方法[7]PCA是一種統(tǒng)計(jì)分析數(shù)據(jù)的方式。這個(gè)方法是發(fā)現(xiàn)一組數(shù)據(jù)空間中的向量，并盡可能使用這些載體來(lái)表達(dá)數(shù)據(jù)的方差。把數(shù)據(jù)從P維空間下降到M維空間（P>>M）。PCA使用KL變換，得到的最小的二維圖像的近似