《DIP---基于MATLAB的人脸识别算法课程设计报告》由会员分享，可在线阅读，更多相关《DIP---基于MATLAB的人脸识别算法课程设计报告（11页珍藏版）》请在金锄头文库上搜索。
1、数字图像处理实验报告院 系： 计算机科学学院 班 级： 计科 11303 小组成员： 成员学号： 实验名称： 基于 MATLAB 的人脸识别算法 实验时间： 2015.10.01 - 2015.10.19 实验地点： 东 4 教 2 号机房 第 1 页（共 23 页）目 录一、绪论 .2二、实验设计 .2（一）实验题目 .2（二）实验目的 .2三、实验准备 .2（一）环境准备 .2（二）知识准备 .3四、算法设计 .3（一）问题描述 .31. 主成分的一般定义 .32. 主成分的性质 .43. 主成分的数目的选取 .4（二）PCA 算法的功能实现 .51. 人脸空间的建立 .52. 特征向量的
2、选取 .53. 人脸识别 .54. 识别流程 .6五、程序实现 .6（一）人脸识别程序 .61. 用户界面 .62. 选择图片 .63. 图片选择后 .64. 查找后 .6（二）测试及结果分析 .6六、实验总结 .7七、参考文献 .7第 2 页（共 23 页）一、绪论 随着科技的发展，人类社会的进步，传统身份识别由于容易遗失，容易被破解已不能起到身份识别作用。人们需要更加安全可靠的身份识别技术。而生物特征的独一无二，不易丢失和被复制的特性很好满足了身份识别的需要。同时随着计算机科学技术和生物医学的发展使得利用生物特征识别成为了可能。在生物特征识别领域，由于人脸识别的操作快速简单，结果直观，准确
3、可靠，不需要人的配合等优点已成为人们关注的焦点。主成分分析（PCA）通过提取高维度的人脸图像的主元，使得图像在低维度空间中被处理来降低了图像处理的难度。由于其有效的解决了图像空间维数过高的问题，已经成为人脸识别领域非常重要的理论，本实验研究的是基于 MATLAB 人脸识别算法的实现。二、实验设计（一）实验题目机器人视觉基于 MATLAB 的人脸识别算法（二）实验目的1. 初步了解人脸识别的特征法；2. 学会使用主成分分析算法（PCA） ；3. 通过功能模块实现人脸识别系统；4. 完成数字图像处理课程的作业要求。三、实验准备（一）环境准备MATLAB 7.0第 3 页（共 23 页）（二）知识准备1. MATLAB 的优势特点：（1) 高效的数值计算及符号计算功能，能使用户从繁杂的数学运算分析中解脱出来；（2) 具有完备的图形处理功能，实现计算结果和编程的可视化；（3) 友好的用户界面及接近数学表达式的自然化语言，使学者易于学习和掌握；（4) 功能丰富的应用工具箱，为用户提供了大量方便实用的处理工具。2. 主成分分析（ Principal Component Analysis，PCA） ，将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。PCA 是数字图像处理中经常用到的降维方法，在处理有关数字图像处理方面的问题时，比如
