组合类别信息的人脸识别方法开题报告

 2021-08-08 01:08

1. 研究目的与意义

在图像识别中,主成分分析PCA(Principal Component Analysis)的主要思想是:利用一组为数不多的特征脸(eigenface)去尽可能精确地表示图像矢量,PCA方法的训练是非监督学习。

非负矩阵分解NMF](Non-negative Matrix Factorization ,NMF)是一种新的特征提取方法。

与PCA的思想类似,在图像识别中,NMF的主要目的是为了寻找低维子空间的一组基图像矢量,并通过基图像矢量的线性组合来表示一幅图像矢量。

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

2. 国内外研究现状分析

根据人类认知的规律,提出了一种基于整体和局部特征组合的人脸识别方法.奇异值特征是一种比较有效的代数特征,提取了整个人脸、双眼以及嘴部的奇异值特征.在组合过程中,提出了一种改进的将距离转换为后验概率估计值的方法,该方法既缩减了单一分类器的可能的模式类别,又对各分类器的输出进行了加权.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

3. 研究的基本内容与计划

研究内容:1. 必须计算机仿真,给出各种结论的仿真程序;仿真采用人脸库是国际公认:Yale人脸库、ORL 人脸库或FERET200人脸库;2. 给出模式识别好坏指标:识别率,计算速度,计算的稳定性;3. 图表要求:(图表不少于三幅);(1)识别率变化的比较图表;(2)计算速度变化的比较图表;(3)其它方面性质的比较图表。

研究计划:4. 2018年1月15日~2018年2月28日:收集和阅读相关文献,对课题研究背景和研究手段进行详细地了解。

5. 2018年2月28日~2018年3月25日: 准备工作和开题报告。

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

4. 研究创新点

基于核主成分分析(KPCA)理论,进行人脸识别仿真实现,使识别率在可接受的误差范围内,并且能够独立使用计算机编程,对程序进行仿真实现,对数据进行降维处理。

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

以上是毕业论文开题报告,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找,微信号:bysjorg 、QQ号:3236353895;