文章导读：在新的一年中，各位网友都进入紧张的学习或是工作阶段。网学的各位小编整理了其他类别-基于VC++ 6.0环境人脸特征提取算法性能比较研究的相关内容供大家参考，祝大家在新的一年里工作和学习顺利！
1. 基于子图分割的人脸特征提取算法与人脸识别系统 4．1 子图分割思想 从局部人脸图像中提取特征的思想曾在有关文献中被提及，一般将人脸图像分为5个部分[22]：上半部分、下半部分、眼睛、鼻子和嘴部，再利用奇异值分解从中提取特征，但是算法要进行人脸部分区域的检测，实现比较复杂；还有的算法运用各加权思想考虑不同局部对表征整个人脸图像的贡献，再结合离散余弦变换提取特征，但图像划分为不同的情况，而且也要进行人脸区域的检测，实现也较为复杂。 本文采用一种简单的子图分割思想[23]，先将原始图片分割为子图，每个子图均同等对待，对每个子图进行变换，然后选择代表变换后得到的合适系数或奇异值代表每个子图的特征，最后将这些子图的特征组合起来作为整副人脸图片的特征向量，如图4.1所示。  图4.1 子图分割思想[23] 4．2子图分割与变异系数相结合的人脸特征提取算法 4．2．1变异系数的传统意义及其在图像处理中的应用 在图像处理中，变异系数一类最基本的统计特征，它计算过程简单，反映的数据特征意义清晰，因此广为人们所采用。 统计学原理教科书中对变异系数的适用原则是这样规定的，对于不同性质的总体，需要用变异系数比较标志变异程度，因为标准差是有计量单位的名数，不同性质总体的计量单位不同，故不能用标准差进行比较。即使是性质相同的同类总体，只有在平均值相等的情况下，才能直接用标准差进行比较；在平均值不等的情况下，也要用变异系数才能进行比较，而不能直接用标准差进行对比。这是因为标准差的大小，不仅受总体各单位标志值之间差异程度的影响，而且还直接受标志值本身水平高低的影响。对于一般的数列，上述关于变异系数的适用原则容易应用。 人脸识别面临的挑战之一就是光照的变化，因为光照会改变人脸图像灰度的相对分布，所以由光照引起的人脸图像变化甚至比因个体差异引起的变化还要大。因此，光照变化会造成人脸识别系统性能的明显下降。对光照变化的处理已经引起了很多研究者的重视，并且取得了较大进展。由以上定义可知即使数列的平均值不同（不同光照下的人脸图像的平均灰度值不同），变异系数依然能准确的反应数据的离散度。本文提出的基于变异系数的特征提取算法可以在一定程度上的克服人脸图像灰度的相对分布差异问题。 4．2．2变异系数的几何意义及其在图像处理中的应用 随着研究的深入，研究人员推导出变异系数的另一种表达式，这种表达式揭示了变异系数用于图像处理时的几何意义。 首先给出有关概念的定义，设数据集K={x1,x2,…,xn}, xi(i=1,2,…,n)是不全为零的实数，我们将它们用一维数组表示为X=( x1,x2,…,xn) T。定义均值公式(4.1)，它表示数据的平均取值状况；方差(4.2)它是数据取值分散性程度的一个度量；标准差 它是方差的开方，与数据集量纲一致；变异系数γ=s/ 它刻画了数据相对的分散性，是一个无量纲的量． |
| 本站发布的计算机毕业设计均是完整无错的全套作品，包含开题报告+程序+论文+源代码+翻译+答辩稿PPT |
本文选自计算机毕业设计http://myeducs.cn
|
