在JPEG压缩域使用量化系数的低复杂度有效的脸部识别方法.

《在JPEG压缩域使用量化系数的低复杂度有效的脸部识别方法.》由会员分享，可在线阅读，更多相关《在JPEG压缩域使用量化系数的低复杂度有效的脸部识别方法.（26页珍藏版）》请在文档大全上搜索。

1、在在JPEG压缩域使用量化系数的压缩域使用量化系数的低复杂度、有效的低复杂度、有效的脸部识别方法脸部识别方法报告人报告人：任课老师任课老师： 问题提出问题提出 研究现状研究现状 算法原理算法原理 实验结果与分析实验结果与分析 总结与展望总结与展望问题的提出 计算及空间复杂性和存储空间是设计人脸识别系统的一个最重要的问题。 随着生物计量系统的发展，对各种各样的数据（包括视频、声频、图像以及ASC码等），有着不同的压缩方法和标准。这些压缩标准可以有效的提高生物计量系统的存储空间利用率。 JPEG是一种有损压缩，编码过程中原图像的一部分信息被消除，这些遗漏的信息会降低识别效果。 在人脸识别系统中，已

2、压缩图像必须完全解压缩，这就意味着在识别过程带来了相当大的计算量。能不能在压缩域进行脸部识能不能在压缩域进行脸部识别呢？用什么方法呢？效果别呢？用什么方法呢？效果怎么样？怎么样？ .研究现状研究现状 在在JPEG压缩域进行人脸识别的研究：压缩域进行人脸识别的研究： DCT变换系数被作为隐马尔科夫识别算法的输入 使用这些系数可以在识别率上获得6%的提高 基于DCT识别系数，采用LDA和PCA特征提取方法的研究 在第一级别率上改善了约8% 使用了FERET数据库和Cityblock距离测量的特征以及余弦距离测量的ICA。 在压缩域使用DCT系数可以提高识别率。 在上述的研究中，脸部识别是使用DCT

3、系数来完成的。本文提出的方法：在转换量化阶段使用本文提出的方法：在转换量化阶段使用量化系数来进行脸部识别。量化系数来进行脸部识别。这样，在这样，在JPEG解压时，除了解压时，除了DCT转换其转换其他反向量化都可以免了。他反向量化都可以免了。 使用的数据库使用的数据库 FERET是本研究中使用的一个脸部图像数据库。使用数据库中尺寸为384*256像素，256灰度级/像素，8bit/像素的灰度图像算法原理算法原理算法框图算法框图JPEG压缩计算探测图像与参考图像的空间距离用方差分析法预选系数图像标准化与配准用主元分析法预选系数选择所有系数在反转系数前解码已压缩图像排名及评估A.图像标准化与配准图像

4、标准化与配准 在识别过程之前，脸部图像应该要归一化处理，这样可以减少多余元素带来的不良影响。 图像尺寸修改为152*128像素。 使用直方图均衡来调节图像的对比度。具体实现具体实现 B. JPEG压缩压缩具体实现具体实现 C.主元分析预选系数主元分析预选系数 给定一个S维的向量来表示一个训练集图像中的每个脸部，PCA就会找到一个基本矢量与源图像最大方差相关的t维的子空间。具体实现具体实现D. 方差分析预选系数方差分析预选系数 脸部图像中方差越高所含的信息量越大 1196张参考图像用来计算图像的所有坐标的方差，选择最高方差的系数具体实现具体实现 E. 距离测量距离测量 在不同情况下在这些度量法之