摘要:在当今社会，有很多领域需要快速，准确的对人们的身份进行确认。而基于生物特征的识别技术，由于其具有便捷性、稳定性、安全性、唯一性等很多优点，使得它在近些年发展迅速。人脸识别技术利用图像处理技术，通过提取人脸部位的特征信息进行身份识别，在安防监控、金融安全、自动考勤等许多领域具有重要的应用价值。本课题基于主成分分析法（PCA：Principal Components Analysis）算法，通过提取人脸图像主元素以及特征向量构建新的特征空间，并将原始图像映射到该正交特征空间，达到降维和特征提取的目的，减少了冗余信息，并采用模板匹配方法进行模式匹配识别实验。

本课题的主要工作如下：

（1）学习图像处理相关理论，包括图片格式的介绍，直方图均衡化原理，中值滤波等，并基于这些理论完成了对人脸图像的预处理；

（2）学习PCA算法，并基于这一算法完成了人脸图像的PCA特征提取和K-L变换，实现了人脸图像的主成分分析和特征空间变换；

（3）采用C++实现了完整的人脸识别系统，并采用自建数据库和YALE人脸库等对PCA人脸识别方法进行了实验分析与讨论。

关键词：直方图均衡化；中值滤波；主成分分析；人脸识别；特征脸

目录

中文摘要

Abstract

第1章 绪论-3

1.1 人脸识别研究背景与意义-3

1.2 论文内容-5

1.3 论文的结构和安排-6

第2章 图像处理的基础理论-7

2.1 常见人脸图像格式-7

2.2 图像滤波-9

2.3 直方图均衡化-11

2.4 PCA原理-14

第3章 人脸识别系统设计与分析-17

3.1 人脸识别系统的流程图-17

3.2 人脸识别系统的模块设计-20

3.3 实验结果分析与讨论-22

第4章 总结-29

参考文献-31

致谢-32