BEMD与分形维数结合的人脸识别技术

"基于BEMD和分形维数的人脸识别方法" 本文是一篇研究论文，主要探讨了一种创新的人脸识别技术，该技术结合了二维经验模态分解（BEMD）和分形盒计数维度（Fractal Box-Counting Dimension）方法。该方法应用于智能信息处理领域，旨在提高人脸识别的准确性和鲁棒性。 首先，BEMD（二维经验模态分解）是一种信号处理技术，源自一维的希尔伯特黄变换（HHT）。BEMD能够将复杂的非线性、非平稳信号分解成一系列内在模态函数（IMF）和残余项。在人脸识别中，这种方法用于从原始面部图像中提取特征。通过对预处理后的有效面部图像进行BEMD，可以将图像分解为不同空间频率的2D IMF成分。这些IMF成分包含了图像的不同频率信息，有助于捕捉人脸的几何和纹理特性。 接着，文章引入了分形理论，特别是分形盒计数维度。分形维数是描述复杂形状和结构的一种度量，它在不规则或自相似的模式中尤其有用。在人脸识别中，通过计算每个IMF组件的分形维数，可以进一步提取出反映人脸独特结构和细节的定量特征。这些分形特征对于区分不同个体的面部具有高辨别力。 实验部分可能涉及对大量面部图像数据库的处理，以验证所提方法的有效性。通过比较传统的人脸识别技术（如PCA、LDA等）与BEMD和分形维数相结合的方法，研究可能展示了在不同光照、表情和角度变化下的识别性能。实验结果可能证明了该方法在降低误识率和提高识别率方面的优越性。 此外，作者陈晓娟和王单卉分别来自长春理工大学和东北电力大学的信息工程学院，他们的研究背景涵盖了智能信息处理和模拟电路故障诊断等领域。这表明他们在相关领域的专业知识和实践经验，为这项研究提供了坚实的基础。 该研究提出了一种结合BEMD和分形维数的人脸识别新方法，通过利用非线性信号处理和分形理论，有望在复杂条件下实现更高效、更准确的人脸识别。这种方法对于生物识别技术的发展和安全应用具有重要意义。