组合类别信息的人脸识别方法开题报告

全文总字数：1414字

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。

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.

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。

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。