文档介绍：puterApplicationintheGraduateSchoolofHunanUniversitySupervisorAssociateProfe:ssorYangShengJune,2010得其的律学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于l、保密口,在一年解密后适用本授权书。2、不保密团。(请在以上相应方框内打“/”)作者签名:毒纳停导师签名: 衿p 星期期.:w沙o/po年if-7岩弓星日期:上户fo )月7日人脸识别是当前模式识别模式识别和图像处理等学科的监控和医学等方面。人脸识别人脸识别问题的本质,不仅计样对人脸识别有浓厚的兴趣。与传统的身份鉴别方法如标识号码、IC卡等不同,人脸识别具有更好的安全性、可靠性和有效性,越来越受到人们的重视。由于人脸图像的特殊性,人脸识别问题也是模式识别领域的一个相当困难的问题,要使这一技术成为完全成熟的技术还有许多工作需要去做。主成分分析(ponenfAnalysis,PCA)方法作为最成功的线性鉴别方法之一,目前仍然被广泛应用于人脸等图像领域,但是传统的PCA方法由于提取的是图像的全局特征,因此容易受光照条件和人脸表情变化大的影响,造成识别效果不好。本文把PCA方法和其它的图像预处理方法结合起来,明显的改善了人脸识别率。本文介绍了人脸识别的背景、研究范围以及方法,对人脸识别领域的一些理论方法作了总体的介绍。介绍了小波变换(Wavelettransform,WT)和离散余弦变换(ransform,DCT)的原理,以及它们在人脸识别方面的应用。本文的主要内容以及创新点主要表现在以下几个方面:(1) 深入研究了PCA算法和DCT的原理,提出把PCA和DCT结合起来一起用于人脸识别,并通过实验验证,与只用PCA方法相比,该方法可以提高人脸识别率。(2) 深入研究了支持向量机(SupportVectorMachine,SVM)的原理,提出了一种新的基于WT+PCA+SVM的人脸识别新方法。实验证明,跟单纯的利用PCA和距离分类器方法相比该方法可以明显的提高人脸识别率。关键词:人脸识别;主成分分析;小波变换;离散余弦变换;支持向量机;putervision,anditisbeinggainedmoreandmoreinterestinpatternrecognitionandimageprocessing,eSScontrol,mugshotssearching,,puterscienceresearchersareinterestedinit,ard,facerecognitionismuchsafer,morereliableandmoreefficiency,,·essfulmethodsoflineardifferential,ponentanalysis(PCA)methodiswidelyusedinidentifyareas,,,academictechniquesoffacerecognition,ransformandtheapplication