文档介绍：小波分析小波分析导论主题:小波变换在人脸识别的应用专业:信号与信息处理姓名:魏菊锦学号:2013361摘要由于小波分解在空域和频域上都能提供良好的局部信息,尤其是在小波分解后可以减少图像的分辨率,进而相应地减少计算复杂度,因此小波变换经常用于图像处理和图像分析中。本文讨论小波变换用于人脸识别的三个关键问题:小波基的选择、分解层数和小波子图的确定,通过实验分析和比较研究得出相应的答案和指导原则,:小波变换;人脸识别;小波基选择;分解层数;小波子图引言目前,小波在许多领域得到了广泛应用,;、图像压缩与重构;;、变换和综合等,都取得了一定的成果。由于小波分解在时域和频域上都能提供良好的局部信息,并且小波分解后可以减少图像的分辨率,从而相应地减少计算复杂度。小波变换在人脸识别领域也得到了广泛的应用,其应用目的主要是为了提取人脸信息,帮助后续方法的识别。如何在人脸识别中获得小波变换的最佳应用效果,是一个值得研究的课题。1人脸识别研究的背景和意义人脸识别技术是采用某种技术和手段对人的身份进行标识,从而依据该标识对人进行身份识别,以达到监督、管理和识别目的的一种术。可用于公安系统刑侦破案的罪犯身份识别、身份证及驾驶执照等证件验证、银行及海关的监控、自动门卫系统、视频会议、机器人的智能化研究以及医学等方面。近年来人类生物特征越来越广泛地用于身份识别,与原有的人类身分识别技术(如:个人密码、磁卡、智能卡等)相比,基于人类生物特征的识别技术具有安全可靠、特征唯一、不易伪造、不可窃取等优点。人类本身具有很多相对独特的特征,如DNA、指纹、虹膜、语音、人脸等。基于这些相对独特的人类特征,结合计算机技术,发展起众多的基于人类生物特征的人类身份识别技术,如DNA识别技术、指纹识别技术、虹膜识别技术、语音识别技术、人脸识别技术。相对于其他基于生物特征识别技术,人脸识别技术具有特征录入方便,信息丰富,使用面广等优点,同时人脸识别系统更加直接友好。人脸识别技术是一门应用技术,人脸识别技术涉及到模式识别、图像处理、计算机视觉、生理学、心理学及认知学等诸多学科的知识,它是利用计算机分析人脸图像,从中提取有效的识别信息,来辨认身份。它基于已知人脸样本库,从静态或动态场景中,识划或验证一个或多个人脸。通常识别处理后可得到的基本信息包括人脸的位置、尺度和姿态信息。利用特征提取技术还可进一步抽取出更多的生物特征,如:种族、性别、年龄⋯⋯。人脸识别基本上可分为两个方面:一是给定一幅待识别人脸图像,判别它是否是某人,即通常所说的身份验证,这是个“一对一”的两分类问题;另一个是给定一幅待识别人脸图像,判断它是谁,即通常所说的身份识别,这是一个一对多”的多类分类问题。通常所说的人脸识别是个“一对多”的多类分类问题,。一个典型的人脸识别系统包含以下各部分;从图像中提取人脸区域,检测,定位人脸;(2)用适当的特征表征人脸;(3)将人脸表征进行分类。早期的人脸识别方法通常是以人脸器官位置、尺度和彼此间的比率作为描述人脸的特征,以后还有用简单几何形状对人脸器官进行拟台,以几何参数作为描述人脸的特征。但是当人脸表情变化对,这些特征会发生很大的变化。因此这种以局部特征来描述人脸的方法逐渐被模板所代替。用模板描述人脸模式,可以避免基于局部器官特征人脸识别方法所要求的精确定位问题,而且保留了更多的识别信息。到了20世纪90年代,计算机人脸识别技术进一步发展。研究方向从基于人脸图像局部特征的识别方法转向基于人脸图像整体特征的识方法。这些方法是从图像处理或模式识别角度出发,将人脸图像作为一维向量或二维矩阵进行分类,从而保留了大量的分类信息。由于人脸图像是实际人脸模式的二维表述,因此用人脸图像来表述人脸模式丢失了大量的空间信息。因此,目前已经有人从三维空间,应用多幅图像来表述人脸模式。“图像”.近年来,小波理论飞速发展,与OCT变换、Fourier变换、加窗Fourier变换等传统分析方法相比,离散小波变换具有以下几个优点:。,提供了不同信息。,它具有运算速度快的特点。首先,,且方程中的镜像滤波器系数对任意两相邻