1. 1. 毕业设计（论文）的内容、要求、设计方案、规划等
在人脸识别问题中，子空间方法是应用最为广泛的方法之一。子空间算法是把整个图像表示为矢量，基于某种最优准则，寻找一组基图像（矢量），将高维图像空间的原始图像矢量变换为低维特征空间的特征矢量，然后针对低维的特征矢量进行分类。子空间方法的目的在于寻找通过使用基图像来表示人脸。基于非负矩阵分解的特征提取的方法是一种子空间法。NMF方法的基本思想可以简单描述为：对于任意给定的一个非负矩阵A，NMF算法能够寻找到一个非负矩阵U和一个非负矩阵V，使得满足A=UV，从而将一个非负的矩阵分解为左右两个非负矩阵的乘积。由于分解前后的矩阵中仅包含非负的元素，因此，原矩阵A中的任意一列矢量可以解释为对左矩阵U中所有列矢量（称为基矢量）的加权和，而权重系数为右矩阵V中对应列矢量中的元素。在图像处理中，图像像素的灰度值总是非负的，而正的线性组合也使得重构图像的像素灰度值是非负的，NMF方法的结果能直接表达一定的物理意义。基于非负矩阵分解理论的图像表示和图像识别方法，和PCA一样，NMF方法是通过基图像矢量的线性组合来表示一幅图像矢量，它是没有使用训练样本矢量类别信息。与PCA不同的是在NMF方法中基图像矢量的元素和线性组合的权系数全都为非负实数。在PCA的方法中，基(图像)是特征脸[95](即一幅完整扭曲的人脸图像)，而在NMF的方法中，基(图像)是人脸的局部特征(即相对应于人脸的部分器官特征)，也就是说NMF的基(图像)突出的是眼、眉毛、鼻子、嘴、耳朵、胡子等人脸部分器官，它们一起组成了数据库中的脸。本课题主要基于非负矩阵分解理论，提出一种新的维数压缩方法并应用于人脸识别。
关键词：特征提取；人脸识别；非负矩阵分解
2. 参考文献（不低于12篇）
1.李勇智，杨静宇，基于非负矩阵分解新的人脸识别方法， 系统仿真学报2008, Vol.20 No.1 PP:10611066
2.李勇智，杨静宇，一种组合类别信息的非负矩阵分解方法及其应用，系统仿真学报2008, Vol.20 No.7 PP:10611066
3.李勇智，杨静宇，吴松松一种组合类别信息的核主成分分析方法，模式识别
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
