1、“.....分别指定维数为，得出分别的识别率结果如表所示。表识别率随维数及样本数的变化表从表的实验数据中可以发现，随着维数的增加，识别率也会相应的得到提升，增高十分明显当维数较大时，随着样本数的增多，识别率提升会更加明显。随之而来的问题是当维数增大时，程序运行时间，即人脸图像识别时间大大增加同时当维数变化时，识别率的变化很不稳定。根据能量比选择首先分别取每个人脸的前张图片作为训练样本集，剩余图片作为测试集，这样训练集分别为，测试集分别为。改变程序中的部分，通过程度确定达到指定能量比时的维数，分别取能量比为，得出分别的识别率结果如表所示。从表的实验数据中可以发现，随着能量比的提高，识别率也会相应的得到提升并且当能量比要求高时，随着样本数的增多，识别率提升会更加明显。当能量比维数样本数达到时，识别效果为最好......”。

2、“.....当我们选定维数时，并无法保证此时保存的特征向量及特征值足以取代人脸图像特征，且当取定维数变化时，识别率的变化极其不稳定与之相比，当我们根据能量比来确定所降维维数时，我们可以保证所保存数据可代表人脸图像主成分，且识别率变化相对稳定。因此，综合我们的实验决定，取能量比来确定维数，作为算法的最终选定。人脸库实验及仿真本小节主要在以及人脸库上对算法进行实验与仿真，我们使用软件实现多种方法的人脸识别，实验并记录改变人脸识别方法对识别率的影响，着重分为原始图像识别，原始图像进行分块变换后进行识别以及对原始图像分块变换处理并进行后进行识别。算法实现过程步骤首先分别依次提取人脸库中的每个人脸图像，对其进行分块处理。将输入的标准人脸库中的每幅的人脸图像缩放为大小......”。

3、“.....这样幅的图像经过分割可以得到个能量比样本数的子块。步骤对每个的子块进行，并对变换后的系数矩阵进行均匀量化。对于图像中的每个的小块做，可相应的得到的系数矩阵。然后，利用标准的亮度量化矩阵对每个系数进行均匀量化，得到量化后的系数矩阵。根据本文中小节的实验结果，提取每个子块变换后的系数矩阵的第个系数，组成个的矩阵作为特征矩阵。转置矩阵进行依次叠加，形成的训练图像集。步骤从训练图片集中取出每个人的前张图片组成训练样本集，然后分别计算这些图像的平均值，再求出图像的协方差矩阵，利用变换理论计算特征值和特征向量，求得特征值和特征向量矩阵和，随后令特征值从大到小排序。步骤根据方法，选择总能量集中的前个最大的特征值对应的，保证所选值的和在总特征值中占得比例大于，作为变换矩阵，最后把训练样本集做变换，保留系数......”。

4、“.....依次取每个人训练图片集中除去前张图片的其他图片作为测试集，首先求得其在特征脸空间的坐标，然后计算该坐标与训练样本集中各图像坐标之间的距离。步骤统计实验结果，取其欧氏距离最近邻图像作为识别结果，确定测试样本所属的类别，最后将统计结果输出。人脸库实验结果首先分别取每个人脸的前，张图片作为训练样本集，剩余图片作为测试集，这样训练集分别为，测试集分别为，分别采用原始图像直接识别，原始图像进行分块变换后进行识别，以及对原始图像分块变换处理并进行后进行识别的三种方法，得出识别正确率结果如表所示。表识别率随样本数与识别方法的变化表原始识别原始图像处理分块处理及人脸库实验结果首先分别取每个人脸的前，张图片作为训练样本集，剩余图片作为测试集，这样训练集分别为，测试集分别为，分别采用原始图像直接识别，原始图像进行分块变换后进行识别......”。

5、“.....得出识别正确率结果如表所示。表识别率随样本数与识别方法的变化表原始图像识别原始图像分块处理后识别原始图像分块处理及后识别张图片组成测试集原始图像分块处理识别程序训练图像矩阵提取图片人脸识别图片人脸库图像进行分块子块进行二维变换为图片进行分块后子块分别后均匀量化得到矩阵的第个系数，共个子块，为是个矩阵，每行数据张图片，每列为张图片是矩阵初始化变量，训练样本中元素由每个人的平均图像向量组成把训练集中的每个人的前五张图片组成样本集图像分块及处理识别程序训练图像矩阵提取图片人脸识别图片人脸库图像进行分块子块进行二维变换为图片进行分块后子块分别后均匀量化得到矩阵的第个系数，共个子块，为是个矩阵，每行数据张图片，每列为张图片是矩阵初始化变量......”。

6、“.....由每个人平均图像向量减去总体平均图像向量得到求，协方差矩阵，应用的原理是奇异值分解的推论求出特征值和特征向量对特征值由大到小排列，相应的特征向量也进行变换选择最大的前个特征值，由这些值的和在总特征值中占得比例大于应用奇异值分解的推论得到正交化的特征脸选择前个特征值对应的特征向量组成特征脸求训练集中各图像在特征脸空间中的坐标每个人图像的前五张作为训练集，则后五张就做为待识别的图像待识别图像减去总体平均图像向量求得其在特征脸空间的坐标计算该坐标与训练集中各图像坐标之间的距离最近邻法进行人脸识别统计每个待辨识图像是否成功识别，成功为，失败为用识别正确的图像个数除以总图像个数得到识别正确率实验结果分析从表及表的实验数据中可以发现，随着样本数的增加，识别率也会相应提高另外......”。

7、“.....图像识别率极低，并且极不稳定。实验结果表明，随着训练样本的增加，识别正确率渐渐提高原始图像直接识别方法以及对原始图像进行分块变换处理后识别的方法，图像识别率极低，同时极不稳定，相比较而言，利用分块变换和的方法对图像进行分块与降维，可以有效的提高人脸图像识别率，大大地提高识别效率，并可充分提高对图像处理的计算速度。实验表明采用分块变换和算法来选取特征脸进行人脸识别的方法是种可行的快速算法。小结本章详细讨论了分块变换和人脸识别的算法，并在大量实验的基础上对算法所涉及到的各种参数作了详细的分析和讨论随着子块大小的减小，识别率也会随之得到提高子块进行变换后，能量均会集中在少数低频系数，即第个系数中随着子空间维数的增加，识别率也相应的增高，当子空间维数较少时......”。

8、“.....训练样本数越多，识别率越高。第章总结作为生物认证技术之，人脸识别具有方便非接触式采集和采集成本低等优势。其中分块变换是最近几年以来比较常见的图像处理工具，在人脸识别领域得到广泛的发展，是提取人脸特征的条更有效的途径。本文简要概括了人脸识别的基本知识和主要技术，介绍了人脸识别的研究背景及意义近年来的研究发展现状主要难点及解决思路等阐述了离散余弦变换变换和的基本理论，为后文介绍算法做铺垫详细研究了分块变换理论，研究了种结合分块变换和的人脸识别算法，该算法通过对人脸图像样本分块进行二维离散余弦变换，得到图像的变换低频系数，并通过提取特征值和特征向量，然后利用算法进行数据降维，得到识别率。实验表明结合变换和算法的人脸识别方法取得了较高的识别率。本文主要研究如何有效地将分块变换与方法结合来提高识别率，在大量实验的基础上......”。

9、“.....发现结合变换和的人脸识别方法同其他方法相比具有更高的识别率。本文通过分析了分块变换应用到人脸识别领域的优势，掌握了在实际应用中使用做人脸识别时可以采取的策略，以减少计算量，提高识别率，着重于研究分块变换和算法相关系数的选取。致谢三个月的毕业设计很快过去了，在这三个月里，我的收获是多方面的。首先是学业上的进步和自身知识结构的重构，自己的知识运用能力查阅资料能力和分析解决问题能力等都有很大提高。其次在价值判断思维方式和行为准则等各个方面也都有了较大的提高，特别是逐步建立起了种科学研究的思维品质这将使我受益终生。在毕业设计期间，虽然遇到了很多自己难以解决的难题，但是在老师和同学的帮助下都得到了解决。在这里，要感谢我的指导老师周立俭老师......”。