基于2DGabor小波变换与2DPCA的人脸识别技术研究的中期报告.docx

基于2DGabor小波变换与2DPCA的人脸识别技术研究的中期报告

中期报告

一、研究背景

人脸识别技术是生物特征识别领域中的一项重要技术，广泛应用于人机交互、门禁系统、安防监控等领域。随着图像处理技术的不断发展，人脸识别技术也不断得到提高和应用。本文基于2DGabor小波变换与2DPCA的人脸识别技术进行研究，旨在提高人脸识别的准确率和鲁棒性。

二、研究内容

1.2DGabor小波变换的理论基础及实现方法

Gabor小波变换是一种基于多尺度分析的信号分析方法，可有效提取不同尺度、不同方向的特征信息，用于图像处理、模式识别等领域。本文采用二维Gabor小波变换技术，将原始图像进行小波分解，提取图像的纹理特征。具体实现方法为采用离散Gabor小波变换，对图像进行分解，获取小波系数图像。

2.2DPCA算法介绍及实现方法

2DPCA是一种基于主成分分析的图像处理方法，可有效提取图像的主要特征，用于图像压缩、特征提取等领域。本文采用2DPCA算法，将2DGabor小波变换的特征进行降维处理，得到低维度的特征向量。具体实现方法为将小波系数图像进行协方差矩阵计算，并对协方差矩阵进行特征值分解，按照特征值大小排序，选取前k个特征向量作为新的特征空间。

3.人脸识别算法设计

本文采用2DGabor小波变换与2DPCA相结合的人脸识别方法，将原始人脸图像进行2DGabor小波变换，得到小波系数图像，再对小波系数图像进行2DPCA降维，得到低维度的特征向量，作为人脸的特征描述子。针对不同的测试人脸图像，同样进行2DGabor小波变换与2DPCA降维处理，得到测试人脸的特征描述子，将测试人脸的特征描述子与训练样本的特征描述子进行比对，得到最相似的人脸图像，即为测试人脸的识别结果。

三、预期成果

本文旨在实现基于2DGabor小波变换与2DPCA的人脸识别技术，预期可达到以下成果：

1.实现2DGabor小波变换与2DPCA算法的图像处理流程；

2.实现基于2DGabor小波变换与2DPCA的人脸识别算法；

3.验证所设计的人脸识别算法的性能，包括识别准确率和鲁棒性。

四、进度安排

1.前期准备：2021年3月-4月

2.算法设计与实现：2021年4月-6月

3.性能测试与结果分析：2021年6月-7月

4.论文撰写与完成：2021年7月-8月

五、参考文献

1.张贤达，张世文.基于改进2DPCA的人脸识别算法[J].计算机工程与应用,2020,56(11):29-35.

2.LuW,ZhangD.Gaborfeaturebasedclassificationusingtheenhancedfisherlineardiscriminantmodelforfacerecognition[J].PatternRecognitionLetters,2006,27(15):1664-1671.

3.YangJ,ZhangD,FrangiAF,etal.Two-dimensionalPCA:anewapproachtoappearance-basedfacerepresentationandrecognition[J].IEEETransactionsonPatternAnalysisMachineIntelligence,2004,26(1):131-137.