隨著遙感技術(shù)的發(fā)展,光譜成像已經(jīng)在農(nóng)業(yè)、生物醫(yī)學(xué)等方面得到了廣泛的應(yīng)用,其中研究人員已經(jīng)表明:人臉的不同部位具有巨大光譜變異性。而高光譜成像能夠捕獲這種變異性特征,使得高光譜圖像具有更多的判別信息,因此可以將高光譜成像技術(shù)用于人臉識(shí)別。高光譜圖像具有譜帶多、信息量大等高維特征,而手工特征提取方法如Gabor、HOG、LBP等已經(jīng)無法滿足這種復(fù)雜高維特征的需求。在人工智能飛速發(fā)展的今天,深度學(xué)習(xí)已經(jīng)在場景理解、語義分割、自動(dòng)駕駛等各個(gè)方面都取得了很大的進(jìn)步。同傳統(tǒng)算法相比,深度學(xué)習(xí)方法更能從復(fù)雜的高維信息中提取具有判別性的特征,因此將深度學(xué)習(xí)應(yīng)用到高光譜人臉識(shí)別上去,具有重大的意義。深度卷積神經(jīng)網(wǎng)絡(luò)做為深度學(xué)習(xí)的一種,采用局部感受野和共享權(quán)值的方式識(shí)別位移、縮放及其他形式扭曲不變性的圖像,在物體檢測、人臉識(shí)別等方面取得了很好的效果。對此,本文在研究了手工特征提取的方法上進(jìn)一步研究了基于深度卷積神經(jīng)網(wǎng)絡(luò)的高光譜人臉識(shí)別方法。主要工作如下:1、提出了一種基于空間和譜間協(xié)方差的圖像融合方法將多維的高光譜人臉圖像融合成灰度圖像,然后采用手工特征的方式進(jìn)行特征提取,最后利用卡方距離進(jìn)行識(shí)別。2、進(jìn)...

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2-1高光譜人臉圖像（PolyU-HSFD,400-720nm）

圖2-1高光譜人臉圖像（PolyU-HSFD,400-720nm）分辨率在10L數(shù)量級范圍內(nèi)的光譜圖像稱為高光譜圖像(Hyper如上圖2-1展示了香港理工大學(xué)公開的高光譜人臉數(shù)據(jù)（PolyU-H本，波段范圍為400-720nm,每十個(gè)波段取一副圖像，因此每個(gè)樣的圖像....

圖2-2不同譜帶的高光譜人臉圖像

7圖2-2不同譜帶的高光譜人臉圖像明光譜的譜帶與血紅蛋白有著密切的關(guān)系[12]，因此在不同的譜也不一樣，有些特征人眼并不能察覺，如圖2-2，當(dāng)譜帶在400-時(shí)人臉圖像充滿了噪聲，當(dāng)對人臉圖像進(jìn)行特征提取時(shí)，如果噪別效果造成影響。因此需要一種融合方法，如圖2-3所示，....

圖2-3高光譜人臉圖像融合

圖2-3高光譜人臉圖像融合空間和譜間協(xié)方差的圖像融合融合是為了提高圖像的利用率，提升圖像質(zhì)量。拉普像融合中可以提高圖像的尺度不變性。其方法是先對分解，得到不同層的圖像，然后對分解后的各層圖像行融合，最后通過反變換，得到融合后的特征圖像[變換的思路類似拉普拉斯金字塔的方法，不....

圖2一4SsF算法流程圖

111cov(,)cov(,)sssDsxxxx（2.1）矩陣D代表協(xié)防差矩陣，p,qD表示在(p,q)處的協(xié)方差矩陣我們還需要計(jì)算譜帶的均值向量：,121111(,......,)mmmTpq....

本文編號(hào)：3942582