發(fā)布時間：2017-08-30 03:13

  本文關(guān)鍵詞：基于稀疏表示的圖嵌入降維算法在人臉識別中的應(yīng)用

  更多相關(guān)文章： 稀疏矩陣 圖嵌入降維模型 半監(jiān)督學(xué)習(xí) 人臉識別

【摘要】：當(dāng)今社會,人們把公共安全問題看得非常重要,而在安全領(lǐng)域中生物特征的識別技術(shù)發(fā)揮著越來越重要的作用。作為生物特征識別技術(shù)的典型代表之一,人臉識別技術(shù)在監(jiān)控系統(tǒng)、信息安全以及身份認(rèn)證與識別等領(lǐng)域都得到了非常廣泛的應(yīng)用。由于人臉識別技術(shù)在實(shí)際應(yīng)用過程中人臉圖像經(jīng)常會遭受不平衡光照和遮擋等因素的影響,這些因素將會降低人臉圖像識別的精確度和準(zhǔn)確度,從而直接導(dǎo)致了識別率的嚴(yán)重下降。根據(jù)人臉識別過程中的技術(shù)需要,使用合適的小波變換和數(shù)據(jù)降維算法對人臉圖像降維變換處理,以便獲得對人臉識別較高的識別率。本文主要進(jìn)行了以下幾個方面的工作:(1)進(jìn)行了稀疏表示方法及其構(gòu)圖以及基于圖嵌入的降維模型的研究;其中稀疏表示主要對其概念、字典構(gòu)建以及構(gòu)圖進(jìn)行研究;對于基于圖嵌入的降維模型則主要包括圖嵌入模型和圖的構(gòu)造方法兩個方面,本文主要選取K最近鄰法和ε球近鄰法兩種圖的構(gòu)圖方法進(jìn)行分析。(2)提出了一種采用稀疏表示的方法對樣本之間的關(guān)系以圖的形式進(jìn)行建立的新的基于稀疏表示的標(biāo)簽傳遞算法,以便于對在半監(jiān)督學(xué)習(xí)算法中存在大量未標(biāo)記樣本和少量標(biāo)記樣本的情況進(jìn)行解決。本文提出基于稀疏表示的標(biāo)簽傳遞算法主要包括兩個步驟:首先,采用最小化范數(shù)的方法來對樣本間的稀疏表示關(guān)系圖進(jìn)行建立;其次,則是通過標(biāo)記樣本的標(biāo)簽信息以及權(quán)值矩陣S來對未標(biāo)記樣本的信息進(jìn)行計(jì)算。(3)進(jìn)行了本文提出的標(biāo)簽傳遞算法的人臉識別算法與傳統(tǒng)的基于歐氏距離的k-近鄰方法的比較分析,證明了本文提出的標(biāo)簽傳遞算法的人臉識別算法能有效的解決人臉識別技術(shù)在實(shí)際應(yīng)用的過程中遭受遮擋和不平衡光照等問題的影響,從而保證識別的準(zhǔn)確度,提高算法識別的準(zhǔn)確率。(4)進(jìn)行了本文提出的基于稀疏表示的圖嵌入降維算法在人臉識別中的應(yīng)用,并經(jīng)過各種識別框架在類別數(shù)不同的10個ORL子集上的分類實(shí)驗(yàn)證明了本文所提出的LPSR+NMF-L1框架總體上獲得最優(yōu)的識別效果。從而可以證明本文提出的基于稀疏表示的圖嵌入降維算法在人臉識別中具有比較好的應(yīng)用效果。
【關(guān)鍵詞】：稀疏矩陣 圖嵌入降維模型 半監(jiān)督學(xué)習(xí) 人臉識別
【學(xué)位授予單位】：吉林農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要3-4
• ABSTRACT4-7
• 第1章 緒論7-11
• 1.1 研究背景及意義7-8
• 1.2 國內(nèi)外研究現(xiàn)狀8-9
• 1.3 主要研究內(nèi)容與組織結(jié)構(gòu)9-11
• 第2章 相關(guān)算法與模型介紹11-20
• 2.1 稀疏表示11-14
• 2.2 基于稀疏表示的構(gòu)圖14-15
• 2.3 人臉特征提取理論基礎(chǔ)-小波變換15-16
• 2.4 基于圖嵌入的降維模型16-20
• 第3章 基于稀疏表示的圖嵌入降維算法在人臉識別中的研究20-31
• 3.1 基于小波變換的人臉特征的提取20-22
• 3.2 基于稀疏表示的圖嵌入降維算法的研究22-27
• 3.3 基于稀疏表示的圖嵌入降維算法的實(shí)現(xiàn)27-30
• 3.4 本章小結(jié)30-31
• 第4章 基于稀疏表示的圖嵌入降維算法在人臉識別中的驗(yàn)證及應(yīng)用31-48
• 4.1 算法驗(yàn)證基礎(chǔ)31-34
• 4.2 驗(yàn)證的過程及結(jié)論分析34-44
• 4.3 算法在人臉識別中的應(yīng)用44-47
• 4.4 本章小結(jié)47-48
• 第5章 總結(jié)及展望48-50
• 5.1 總結(jié)48-49
• 5.2 展望49-50
• 參考文獻(xiàn)50-54
• 作者簡介54-55
• 致謝55

，

本文編號：756943