隨著科技的不斷進步,快捷安全的身份鑒別在人們的日常生活中越來越重要。人臉識別作為一種生物特征識別技術(shù),因其采集圖像方便、無侵犯等優(yōu)勢備受人們關(guān)注。特征提取作為人臉識別的關(guān)鍵一步,對人臉識別率的高低起著決定性的作用。主成分分析（PCA）是一種經(jīng)典的特征提取方法,但它需要以圖像矩陣按行或列轉(zhuǎn)換的一維向量作為輸入數(shù)據(jù)集,這樣的轉(zhuǎn)換將不僅會破壞圖像像素點間的空間結(jié)構(gòu)信息,而且會產(chǎn)生一個高維向量空間,在其中高維數(shù)以及相對少的樣本數(shù)使得精確地計算協(xié)方差矩陣變得困難。二維主成分分析（2DPCA）作為PCA的一種改進方法,其直接用原始圖像作為輸入從而避免了PCA中出現(xiàn)的上述問題。然而,由于2DPCA用本質(zhì)為最小二乘損失的F范數(shù)平方作為距離度量使其對異常值敏感。角度2DPCA方法是解決該問題的一個有效的方法。本文詳細介紹了角度2DPCA相關(guān)算法,所取得的研究成果主要有:首先詳細介紹PCA及其改進算法,包括2DPCA、基于L1范數(shù)的2DPCA（2DPCA-L1）以及基于F范數(shù)的2DPCA（F-2DPCA）,分析各個算法的優(yōu)缺點。其次研究了角度PCA（APCA）和正切角度2DPCA（Tan-2DPCA）算法... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

ExtendedYaleB數(shù)據(jù)集的部分人臉圖像

圖(b) 在加噪人臉數(shù)據(jù)集上圖 3.4 Extended Yale B 數(shù)據(jù)集上 3 種方法的識別率比較從圖 3.4 可看出，無論是在原始數(shù)據(jù)集上還是在加噪的數(shù)據(jù)集上，角度別率顯著的高于 2DPCA 方法，這可能是由于角度方法中用 F 范數(shù)作為距離其對含有光照，遮擋等噪音具有較好的魯棒性。其次，我們可以看到，Ta和 Sin-2DPCA 方法幾乎具有相同的識別率，而從兩者的目標函數(shù)中可以發(fā)然比前者簡單，故其能夠節(jié)省訓(xùn)練時間，從而提升運算效率。

DPCA 42×5 58.11±0.70 56.50±1.32 表明，Tan-2DPCA 和 Sin-2DPCA 的識別效果均優(yōu)于 2DPCA，從原始數(shù)據(jù)和加噪數(shù)據(jù)的差異可以看出，角度方法的差異較小敏感度較低，這再次表明角度方法具有魯棒性。Tan-2DPCA 和識別精度很接近，這是因為當(dāng)α較小時，有sin tan 成立，而棒性有合理解釋。 CMU PIE 數(shù)據(jù)集上的實驗人臉數(shù)據(jù)集 CMU PIE[46]的一個子集（PoseC9）上進行另一組算法的有效性。PoseC9 數(shù)據(jù)集包含了 24 種不同光照下的 64 個像。為計算方便，將每張圖片大小裁剪為 64×64 像素，隨機選前面在 Extended Yale B 數(shù)據(jù)集一樣的隨機噪音，部分人臉圖像擇加噪數(shù)據(jù)集的 50%用于訓(xùn)練集，其余 50%圖像數(shù)據(jù)用來作為

【參考文獻】：
期刊論文
[1]基于Cholesky分解的K2DPCA人臉識別研究[J]. 周水生,鄭穎,穆新亮.  系統(tǒng)工程理論與實踐. 2016(02)
[2]基于樣本擴充和改進2DPCA的單樣本人臉識別[J]. 趙雅英,譚延琪,馬小虎.  計算機應(yīng)用. 2011(10)
[3]基于奇異值分解（SVD）的圖像壓縮[J]. 胡鄉(xiāng)峰,衛(wèi)金茂.  東北師大學(xué)報(自然科學(xué)版). 2006(03)
[4]機器學(xué)習(xí)與人臉識別方法概述[J]. 邵平.  玉林師范學(xué)院學(xué)報. 2006(03)
[5]對稱主分量分析及其在人臉識別中的應(yīng)用[J]. 楊瓊,丁曉青.  計算機學(xué)報. 2003(09)



本文編號：3301993