更新时间：03-18 （乖宝宝）提供原创文章
摘要：人脸识别作为生物特征识别技术中最自然、最友好的手段，在过去的三十多年里，人们对其始终抱有浓厚的兴趣。其根本原因是巨大的社会需求、应用潜力和广泛的应用范围。在国际背景下，近几年国际安全局势不稳定，各国对自身重要的设施的安全性能越发重视，例如在人员出入边境时对可疑人员进行监控，积极推动了人脸识别在应用领域的发展。
本文中主要完成了以下几项任务 ：
1）在人脸图像预处理中，提出用小波变换对图像进行降噪处理，并和传统的维纳滤波法、中值滤波法和均值滤波法进行效果对比，显示其良好的降噪效果。
2）在人脸识别算法中主要研究奇异值分解（SVD）算法，在原有理论的基础上提出新的算法。
3）通过Matlab仿真对新算法进行验证，并和传统的奇异值分解法和PCA方法进行比较，取得了较好的结果。
本文人脸识别主要运用基于小波变换的人脸图像预处理和基于SVD的人脸识别的改进算法进行人脸识别。
关键字：人脸识别，小波变换，图像预处理，奇异值分解
目录
摘要
ABSTRACT
第一章 绪 论-1
1.1本论文的背景和意义-1
1.2人脸识别的发展史-1
1.3人脸识别使用的领域-2
1.4人脸识别的存在难度-3
1.5 人脸识别的流程-3
1.6 本论文的主要内容-3
1.7 本论文的结构安排-4
第二章 图像预处理-5
2.1图像采集-5
2.2小波变换-5
2.2.1小波变换的特点-5
2.2.2 小波变换的基本原理-5
2.3小波变换与图像处理-6
2.3.1 小波变换降噪的原理-6
2.3.2 小波变换法处理图像的优势-7
2.3.3 仿真对比-8
本章小结-9
第三章 人脸识别算法-10
3.1人脸特征提取-10
3.2人脸识别算法-10
3.2.1基于奇异值分解的人脸识别-10
3.2.2基于几何特征的人脸识别-12
3.2.3基于特征脸（PCA）的人脸识别方法-12
3.2.4基于模板匹配的人脸识别-13
3.2.5神经网络的人脸识别-13
3.2.6 支持向量机（SVM）人脸识别-14
3.2.7 Boosting方法-14
3.3最近邻决策分类过程-14
3.4设想与改进-14
本章小结：-16
第四章 人脸识别仿真-17
4.1本文使用的人脸库介绍-17
4.2课题中使用的原理-17
4.3理论验证-17
4.3.1人脸图像预处理-17
4.3.2 人脸识别-19
4.3.3 问题及解决方案-19
4.4实验结果及数据分析-19
第五章 总结-25
参考文献-26
致谢-27