本文關鍵詞：基于低秩恢復與深度神經(jīng)網(wǎng)絡人臉識別算法的研究

  更多相關文章： 人臉識別 低秩恢復 神經(jīng)網(wǎng)絡 深度學習

【摘要】：人臉識別問題是模式識別中的一個研究熱點,人臉識別因為其便利性被廣泛應用于身份認證,破案偵查等對安全性要求較高的場所。人臉識別算法從最初的簡單條件下的識別,發(fā)展到多因素復雜條件下的識別。多因素人臉識別中光照,人臉旋轉(zhuǎn),人臉遮擋,噪聲污染,皮膚顏色及種族因素等都是在人臉識別中要考慮的因素。復雜條件下的人臉識別問題仍然是人臉識別領域內(nèi)的一個難點。本文針對以下問題進行了研究,并且給出了解決方法。(1)針對小波閾值去噪會引入量化噪聲和閾值選取不當會損壞圖像邊緣信息的問題,本文在小波閾值去噪的基礎上融合了低秩矩陣恢復算法,提出一種融合小波變換與低秩矩陣恢復的圖像去噪算法,實驗結(jié)果表明本文提出的去噪算法比單一小波閾值去噪算法有更好的去噪效果,改進了算法性能。(2)本文針對采集人臉圖像時會有過度曝光,陰影和噪聲干擾的問題。本文將低秩矩陣恢復算法應用在人臉圖像預處理階中。實驗結(jié)果表明,經(jīng)過低秩矩陣恢復算法處理的人臉圖像有效的改善了曝光,陰影,干擾等因素的影響,改善了人臉圖像的成像質(zhì)量,為后續(xù)提取高質(zhì)量的人臉特征奠定了基礎。(3)針對線性降維方法與淺層神經(jīng)網(wǎng)絡提取人臉特征魯棒性不佳的問題。本文將低結(jié)合低秩矩陣恢復算法與深度神經(jīng)網(wǎng)絡算法有效的解決了這個問題。在YALE,ORL,AR人臉庫上,通過設置不同的網(wǎng)絡節(jié)點數(shù)與網(wǎng)絡迭代次數(shù),選取不同的訓練樣本數(shù)進行實驗。在人臉數(shù)據(jù)庫上的實驗結(jié)果表明,本文算法比線性降維與淺層神經(jīng)網(wǎng)絡算法有更高的識別率和更好的穩(wěn)定性。
【關鍵詞】：人臉識別 低秩恢復 神經(jīng)網(wǎng)絡 深度學習
【學位授予單位】：江西理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41;TP183
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-19
• 1.1 課題研究的背景與意義8-12
• 1.1.1 生物識別技術的發(fā)展8-10
• 1.1.2 人臉識別簡介10-12
• 1.2 人臉識別研究的動態(tài)12-16
• 1.2.1 人臉識別系統(tǒng)組成12-14
• 1.2.2 人臉識別技術的發(fā)展14-16
• 1.3 深度神經(jīng)網(wǎng)絡簡介16-17
• 1.4 本文所做的工作17-18
• 1.5 本章小結(jié)18-19
• 第二章 人臉識別中的常用算法19-28
• 2.1 PCA算法的介紹及其在人臉識別中的應用19-24
• 2.1.1 PCA簡介19
• 2.1.2 PCA的數(shù)學模型19-20
• 2.1.3 主成分的幾何上的解釋20-21
• 2.1.4 PCA算法的分析和推導過程21-23
• 2.1.5 PCA方法在人臉識別中的應用23-24
• 2.2 SVM方法的介紹及在人臉識別中的應用24-27
• 2.2.1 SVM簡介24
• 2.2.2 SVM算法分析及推導過程24-27
• 2.3 本章小節(jié)27-28
• 第三章 融合小波變換與低秩矩陣恢復的圖像去噪算法28-36
• 3.1 小波閾值去噪算法28-29
• 3.1.1 小波閾值去噪算法原理28-29
• 3.1.2 基于閾值的小波去噪算法的缺點29
• 3.2 融合小波變換與低秩矩陣恢復的圖像去噪算法29-32
• 3.2.1 算法思想29
• 3.2.2 低秩矩陣恢復算法29-32
• 3.2.3 融合小波變換與低秩矩陣恢復的圖像去噪算法流程32
• 3.3 實驗分析32-35
• 3.4 本章小節(jié)35-36
• 第四章 基于低秩恢復與深度神經(jīng)網(wǎng)絡的人臉識別算法36-49
• 4.1 LRMR算法在人臉圖像預處理中的應用36-38
• 4.2 CSLBP紋理介紹38-39
• 4.3 基于低秩恢復與深度神經(jīng)網(wǎng)絡的人臉識別算法39-45
• 4.3.1 常用深度網(wǎng)絡模型介紹40-44
• 4.3.2 Softmax回歸模型44-45
• 4.3.4 本文算法流程45
• 4.4 實驗分析45-48
• 4.5 本章小節(jié)48-49
• 第五章 總結(jié)展望49-50
• 5.1 研究總結(jié)49
• 5.2 技術展望49-50
• 參考文獻50-53
• 致謝53-54
• 攻讀學位期間的研究成果54-55

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王李冬;;一種新的人臉識別算法[J];計算機技術與發(fā)展;2009年05期

2 桂榮;沈榮鑫;詹泳;;基于模糊神經(jīng)推理的人臉識別算法研究[J];華南師范大學學報(自然科學版);2012年04期

3 蘇士美;王燕;王明霞;;基于加權小波分解的人臉識別算法研究[J];鄭州大學學報(工學版);2014年01期

4 魏冬梅;周衛(wèi)東;;采用壓縮感知的人臉識別算法[J];計算機工程;2011年18期

5 陳皓;霍星;;視頻監(jiān)控中人臉識別算法穩(wěn)定性的改進[J];工程圖學學報;2011年06期

6 李美瑾;;人臉識別算法綜述與遠程考試系統(tǒng)應用研究[J];廣西廣播電視大學學報;2012年01期

7 盛朝強;王君;;煤礦井下人員簽到系統(tǒng)人臉識別算法研究[J];計算機技術與發(fā)展;2012年07期

8 朱學毅;王崇駿;周新民;張W，

本文編號：695897