本文關(guān)鍵詞： 人臉識別 稀疏表示 Fisher判別 加權(quán)迭代最小二乘　出處：《大連海事大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：基于稀疏表示的人臉識別是一種高效的人臉識別算法,它假設(shè)一幅測試圖像可以在訓(xùn)練圖像上稀疏表示,然后計算最小的類誤差來分類。稀疏表示分類對遮擋、光照和噪聲具有魯棒性,而且有很好的實驗效果。但是它直接使用訓(xùn)練樣本作為字典,導(dǎo)致了它不能有效的表示測試圖像;用原始樣本作為字典也很難充分利用隱藏在訓(xùn)練樣本間的信息�；谙∈璞硎镜娜四樧R別的編碼方法一般采用的是用l1范數(shù)近似l0范數(shù),但是這個方法也有缺點。一方面,在某些程度上,這些方法的收斂速度比較慢。另一方面,當(dāng)測試樣本處于非常大的隨機遮擋時,稀疏解通常非常稠密以致于很難找到正確的測試樣本的類別。針對上述提出的問題,本文從兩個方面改進了算法。第一個改進算法是對字典學(xué)習(xí)進行改進,在已有算法的基礎(chǔ)上提出了簡化的Fisher判別字典學(xué)習(xí)的簡化算法,通過合并區(qū)分保真項中的協(xié)同懲罰項和判別懲罰來簡化模型,有效地提高了人臉識別的效率。第二個改進算法是對稀疏編碼進行改進,在迭代重加權(quán)最小二乘法的基礎(chǔ)上提出了加權(quán)的迭代重加權(quán)最小二乘算法,并與其它求解l1范數(shù)最小化和l0范數(shù)最小化的算法進行了比較。在AR、ORL和YALE人臉數(shù)據(jù)庫上的實驗結(jié)果表明,本文的兩種算法比已有算法具有更好的重建效果和識別效果。
[Abstract]:Face recognition based on sparse representation is an efficient face recognition algorithm, which assumes that a test image can be represented sparsely on the training image, and then the minimum class error is calculated to classify. Illumination and noise are robust and have good experimental results, but it directly uses training samples as dictionaries, which leads to its inability to represent test images effectively. It is difficult to make full use of the information hidden between the training samples by using the original sample as the dictionary. The coding method based on sparse representation is generally using l 1 norm to approximate l 0 norm. On the one hand, the convergence rate of these methods is slow to some extent. On the other hand, when the test samples are in a very large random occlusion. Sparse solutions are usually so dense that it is difficult to find the correct types of test samples. This paper improves the algorithm from two aspects. The first one is to improve dictionary learning. Based on the existing algorithms, a simplified Fisher discriminant dictionary learning algorithm is proposed, which simplifies the model by combining the cooperative penalty terms and discriminant penalties in fidelity items. The second improved algorithm is to improve the sparse coding. Based on the iterative reweighted least square algorithm, a weighted iterative reweighted least squares algorithm is proposed. It is compared with other algorithms for minimizing l 1 norm and l 0 norm. The experimental results on ARDORL and YALE face database show that the proposed algorithm is effective. The two algorithms in this paper have better reconstruction effect and recognition effect than the existing algorithms.
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 李映;張艷寧;許星;;基于信號稀疏表示的形態(tài)成分分析:進展和展望[J];電子學(xué)報;2009年01期

2 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動提取方法[J];光譜學(xué)與光譜分析;2009年07期

3 楊蜀秦;寧紀鋒;何東健;;基于稀疏表示的大米品種識別[J];農(nóng)業(yè)工程學(xué)報;2011年03期

4 史加榮;楊威;魏宗田;;基于非負稀疏表示的人臉識別[J];計算機工程與設(shè)計;2012年05期

5 高志榮;熊承義;笪邦友;;改進的基于殘差加權(quán)的稀疏表示人臉識別[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2012年03期

6 朱杰;楊萬扣;唐振民;;基于字典學(xué)習(xí)的核稀疏表示人臉識別方法[J];模式識別與人工智能;2012年05期

7 耿耀君;張軍英;袁細國;;一種基于稀疏表示系數(shù)的特征相關(guān)性測度[J];模式識別與人工智能;2013年01期

8 張疆勤;廖海斌;李原;;基于因子分析與稀疏表示的多姿態(tài)人臉識別[J];計算機工程與應(yīng)用;2013年05期

9 李正周;王會改;劉梅;丁浩;金鋼;;基于形態(tài)成分稀疏表示的紅外小弱目標檢測[J];彈箭與制導(dǎo)學(xué)報;2013年04期

10 胡正平;趙淑歡;李靜;;基于塊稀疏遞推殘差分析的稀疏表示遮擋魯棒識別算法研究[J];模式識別與人工智能;2014年01期

相關(guān)會議論文 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識別研究[A];虛擬運營與云計算——第十八屆全國青年通信學(xué)術(shù)年會論文集（上冊）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號處理及其研究進展[A];中國聲學(xué)學(xué)會水聲學(xué)分會2013年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 李進明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號稀疏表示的電機故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測與認證方法研究[D];東北師范大學(xué);2015年

4 黃國華;蛋白質(zhì)翻譯后修飾位點與藥物適應(yīng)癥預(yù)測方法研究[D];上海大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學(xué);2015年

7 解虎;高維小樣本陣列自適應(yīng)信號處理方法研究[D];西安電子科技大學(xué);2015年

8 秦振濤;基于稀疏表示及字典學(xué)習(xí)遙感圖像處理關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2015年

9 薛明;基于稀疏表示的在線目標跟蹤研究[D];上海交通大學(xué);2014年

10 孫樂;空譜聯(lián)合先驗的高光譜圖像解混與分類方法[D];南京理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 王道文;基于稀疏表示的目標跟蹤算法研究[D];華南理工大學(xué);2015年

2 李哲;基于稀疏表示和LS-SVM的心電信號分類[D];河北大學(xué);2015年

3 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

4 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

5 趙孝磊;基于圖像分塊稀疏表示的人臉識別算法研究[D];南京信息工程大學(xué);2015年

6 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺追蹤算法研究[D];華南理工大學(xué);2015年

7 張鈴華;非約束環(huán)境下的稀疏表示人臉識別算法研究[D];南京信息工程大學(xué);2015年

8 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

9 楊爍;電能質(zhì)量擾動信號的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

10 應(yīng)艷麗;基于低秩稀疏表示的目標跟蹤算法研究[D];西南交通大學(xué);2015年

，

本文編號：1493754