【摘要】：近年來(lái)人們對(duì)信息安全越發(fā)重視,生物特性因其較強(qiáng)的穩(wěn)定性和獨(dú)特性,成為身份識(shí)別的熱門(mén)研究領(lǐng)域。而人臉識(shí)別作為生物特征識(shí)別的一個(gè)重要分支,長(zhǎng)期以來(lái)受到研究者們的廣泛關(guān)注。在過(guò)去幾十年的研究中,眾多經(jīng)典算法被提出,如主成分分析法,Fisher鑒別分析法等。此外隨著壓縮感知理論快速發(fā)展,稀疏表示方法因其優(yōu)異的識(shí)別效果被廣泛應(yīng)用于模式識(shí)別領(lǐng)域。當(dāng)訓(xùn)練樣本圖像是理想時(shí),稀疏表示算法在光照變化,遮擋噪聲等情況下能夠取得非常好的效果。然而在實(shí)際環(huán)境中,樣本分布常常存在較大差異,同時(shí)圖像采集也會(huì)受到各種因素干擾(如光照,姿態(tài),遮罩等),如何減小分布差異和干擾因素對(duì)算法的影響是目前研究的重點(diǎn)。因此本文就基于重構(gòu)表示的人臉圖像表示與分類(lèi)進(jìn)行了深入研究。1、基于非負(fù)稀疏低秩表示分類(lèi)的人臉識(shí)別方法本文提出一種基于非負(fù)稀疏低秩表示的分類(lèi)方法(NSLRRC)用于魯棒人臉識(shí)別。NSLRRC目標(biāo)是根據(jù)所有訓(xùn)練樣本,找到一個(gè)稀疏且低秩的非負(fù)表示矩陣。稀疏約束使得表示向量具有鑒別能力,低秩模型表現(xiàn)了數(shù)據(jù)的全局結(jié)構(gòu),同時(shí)表示向量非負(fù)使得系數(shù)有意義并能更好體現(xiàn)數(shù)據(jù)點(diǎn)間的獨(dú)立性。然后基于得到的表示系數(shù),對(duì)測(cè)試樣本進(jìn)行重構(gòu)并計(jì)算重構(gòu)誤差,最后根據(jù)重構(gòu)誤差完成測(cè)試樣本的分類(lèi)。在ORL人臉庫(kù),AR人臉庫(kù),Extended YaleB人臉庫(kù)上的實(shí)驗(yàn)結(jié)果表明,基于NSLRRC的人臉識(shí)別方法具有較好的魯棒性和有效性。2、基于字典學(xué)習(xí)的魯棒人臉識(shí)別算法人臉圖片常常受到噪聲和遮罩的影響。基于稀疏表示的分類(lèi)器被證實(shí)對(duì)此類(lèi)情況十分有效。但考慮到實(shí)際情況中,同類(lèi)樣本間出現(xiàn)明顯差異時(shí),稀疏表示方法效果顯著下降。針對(duì)上述情況,我們提出一種新的方法,通過(guò)不斷地迭代學(xué)習(xí)得到包含所有樣本有效信息的新字典,利用新字典計(jì)算測(cè)試樣本所屬類(lèi)別。我們?cè)贕T人臉庫(kù),AR人臉庫(kù),CMU PIE人臉庫(kù)上驗(yàn)證了該方法的有效性和魯棒性。實(shí)驗(yàn)結(jié)果表明針對(duì)同類(lèi)樣本存在明顯差異的情況,該方法能夠有效提高算法的識(shí)別率。3、基于分段表示的人臉識(shí)別算法在人臉識(shí)別研究中,傳統(tǒng)的基于表示分類(lèi)方法并沒(méi)有給出針對(duì)樣本噪聲或遮擋情況的處理機(jī)制。稀疏表示要求同類(lèi)樣本處于同一線性子空間下,考慮到同類(lèi)樣本間的分布差異,本文提出一種分段表示的分類(lèi)方法。該方法將訓(xùn)練樣本平均分為兩組,要求每組間樣本分布相似,并根據(jù)測(cè)試樣本與訓(xùn)練樣本集間的“距離”分類(lèi)。這樣盡可能減少樣本差異帶來(lái)的影響,有效地考慮了訓(xùn)練樣本所包含的全部信息。在AR人臉庫(kù)和CMU PIE人臉庫(kù)中的實(shí)驗(yàn)驗(yàn)證了該算法的有效性和實(shí)用性。4、基于樣本相關(guān)性約束的線性回歸分類(lèi)現(xiàn)實(shí)世界中,每個(gè)人的人臉特征獨(dú)一無(wú)二,然而也存在某些相似臉。線性回歸分類(lèi)方法中僅利用每類(lèi)樣本分別線性表示測(cè)試樣本,未考慮重構(gòu)樣本間的相似度。通常我們希望測(cè)試樣本所在類(lèi)重構(gòu)樣本與其他類(lèi)重構(gòu)樣本相似度越小越好。于是本文提出一種改進(jìn)的線性回歸分類(lèi)模型用于人臉識(shí)別。該方法在線性回歸分類(lèi)的基礎(chǔ)上,添加對(duì)重構(gòu)樣本相關(guān)性的約束,然后計(jì)算得新的表示系數(shù),利用所得表示系數(shù)計(jì)算殘差并分類(lèi)。在AR庫(kù),GT庫(kù),CMU PIE庫(kù)和Extended YaleB庫(kù)上的大量實(shí)驗(yàn)結(jié)果證明,本文提出的改進(jìn)算法有一定的有效性和魯棒性。
[Abstract]:......
【學(xué)位授予單位】：揚(yáng)州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 祁萌;;基于多示例學(xué)習(xí)的圖像表示方法[J];工業(yè)控制計(jì)算機(jī);2012年06期

2 黃巍;陳傳波;鄭運(yùn)平;吳雪麗;;可重疊矩形多值圖像表示及其上的幾何矩生成[J];計(jì)算機(jī)科學(xué);2008年10期

3 陶金金;黃秀清;陸云;高強(qiáng);;基于重疊矩形圖像表示方法的貝塞爾-傅里葉矩快速計(jì)算[J];軟件導(dǎo)刊;2013年07期

4 曹奎,馮玉才,王元珍;一種基于顏色的圖像表示及全局相似檢索技術(shù)[J];計(jì)算機(jī)研究與發(fā)展;2001年09期

5 程兵,賈新春,鄭南寧,袁澤劍;基于水平差集的多精度圖像表示及繪制[J];西安交通大學(xué)學(xué)報(bào);2002年04期

6 黃巍;陳傳波;鄭運(yùn)平;吳雪麗;;基于非對(duì)稱(chēng)逆布局圖像表示的近鄰尋找算法[J];計(jì)算機(jī)工程與科學(xué);2009年03期

7 舒振球;趙春霞;張浩峰;;局部敏感的稀疏概念編碼及其在圖像表示中的應(yīng)用[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2014年01期

8 康寅;楊文川;;圖像表示及在檢索系統(tǒng)中的應(yīng)用[J];軟件;2011年01期

9 宋彥;蔣兵;戴禮榮;;基于多視覺(jué)碼本的圖像表示[J];模式識(shí)別與人工智能;2013年10期

10 劉艷麗,曹奎;一種基于PCA的圖像表示與檢索技術(shù)[J];計(jì)算機(jī)應(yīng)用與軟件;2003年04期

相關(guān)會(huì)議論文 前1條

1 于萬(wàn)波;趙慶賢;易欣;;基于神經(jīng)網(wǎng)的圖像表示方法[A];中國(guó)圖象圖形學(xué)會(huì)第十屆全國(guó)圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國(guó)虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

相關(guān)重要報(bào)紙文章 前1條

1 池健;信息技術(shù)在設(shè)計(jì)工作中的反映[N];中華建筑報(bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 江波;基于圖理論與稀疏約束模型的圖像表示、匹配與識(shí)別[D];安徽大學(xué);2015年

2 謝凌曦;基于局部特征的圖像表示模型理論與實(shí)踐[D];清華大學(xué);2015年

3 朱杰;基于顏色詞袋模型的圖像表示方式[D];北京交通大學(xué);2016年

4 楊政;基于帶約束矩陣的圖像表示與檢索算法研究[D];浙江大學(xué);2016年

5 張鍵;面向人臉識(shí)別的圖像表示和分類(lèi)研究[D];南京理工大學(xué);2015年

6 李大瑞;基于大規(guī)模視覺(jué)模式學(xué)習(xí)的高性能圖像表示[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

7 黃巍;基于可重疊矩形子模式的圖像表示和操作方法研究[D];華中科技大學(xué);2008年

8 李亞峰;圖像表示的若干問(wèn)題研究[D];西安電子科技大學(xué);2011年

9 吳中;大規(guī)模圖像搜索中的圖像表示模型[D];清華大學(xué);2010年

10 肖延輝;基于矩陣分解的圖像表示理論及其應(yīng)用研究[D];北京交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前4條

1 羅序輝;基于目標(biāo)的場(chǎng)景圖像表示及分類(lèi)[D];華東師范大學(xué);2016年

2 闞世超;基于顯著性區(qū)域的分步聚類(lèi)目標(biāo)搜索[D];北京交通大學(xué);2016年

3 陸永亮;基于偏微分方程和多邊形的非對(duì)稱(chēng)逆布局圖像表示方法研究[D];華中科技大學(xué);2009年

4 焦緒國(guó);基于單層稀疏自編碼和支持向量機(jī)的場(chǎng)景分類(lèi)[D];重慶大學(xué);2015年

，

本文編號(hào)：2303633