Resumen

La clave para mejorar la tasa de reconocimiento de imágenes reside en la extracción de sus características. En este artículo se propone un método de extracción de características para las imágenes con características similares en un fondo con mucho ruido, que es el análisis de componentes principales bidimensional combinado con la teoría wavelet y la teoría de tramas. Teniendo en cuenta que la imagen estará influenciada por ruidos artificiales y ambientales, el algoritmo de este trabajo considera la mejora de muchos algoritmos. En primer lugar, las imágenes se preprocesan mediante la mejora de imágenes basada en la mejora de características. Las imágenes se procesan mediante la transformada wavelet. A continuación, las matrices de imágenes preprocesadas se utilizan para obtener los vectores propios, y los vectores propios se interpolan con el fotograma, lo que hace que haya más información suficiente en la teoría del fotograma y extrae mejor las características de la imagen. Por último, este algoritmo se compara con otros algoritmos en la base de datos estándar de reconocimiento facial ORL. La comparación de la tasa de reconocimiento y el tiempo de reconocimiento por experimento de simulación se lleva a cabo con el fin de obtener la validez del algoritmo propuesto.

• Materias:Control del proceso Regulación automática Diagnóstico de fallos Instrumentación automática Optimización de procesos
• Subjects: Automatic regulation Fault diagnosis Automatic instrumentation Process optimization
• Palabras claves:algoritmo, imágenes, teoría de tramas, análisis dimensional de componentes principales, base de datos de reconocimiento facial orl estándar, método de extracción de características, tasa de reconocimiento de imágenes, fondo con ruido fuerte, vectores propios, imagen
• Keywords:algorithm, images, frame theory, dimensional principal component analysis, standard orl face recognition database, feature extraction method, image recognition rate, strong noise background, eigenvectors, image