学位论文 > 优秀研究生学位论文题录展示

基于子空间特征提取的人脸识别

作 者: 曾婧
导 师: 康志伟
学 校: 湖南大学
专 业: 信息与通信工程
关键词: 人脸识别 子空间特征提取 稀疏表示 协同表示
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 4次
引 用: 0次
阅 读: 论文下载
 

内容摘要


特征提取是人脸识别的核心问题,通过对人脸图像数据进行特征降维是提高人脸识别效果的有效途径。目前,特征降维主要有主成分分析、线性判别分析、局部保持投影、基于稀疏表示等方法。本文主要对线性判别分析和基于稀疏表示的子空间特征提取方法进行了研究,从样本的局部结构出发,研究新的子空间特征提取方法,并将其应用到人脸识别中。主要工作内容如下:(1)提出了局部非负稀疏保持投影子空间特征提取算法LNSPP(Local NonnegativeSparse Preserving Projection)。研究发现,对给定样本进行稀疏表示时,大部分非零系数来自目标样本的近邻样本。为了使稀疏保持投影算法能获得更加稀疏的稀疏表示系数,更好地表达数据之间的关系,该算法采用径向基核函数测度公式来计算目标样本的近邻样本,然后利用样本的近邻来进行非负稀疏表示,并寻求一个投影空间来保持所有训练样本的局部非负稀疏重构关系。实验结果表明该算法比稀疏保持投影能获得更好的识别率。(2)提出了局部协同保持投影算法LCPP(Local Collaborative Preserving Projection)。该算法将协同表示引入稀疏保持投影算法中,利用目标样本的近邻样本来协同表示该样本,大大降低了算法的运行时间,同时在一定程度上提高了算法的识别率。(3)提出了基于模糊隶属度的局部线性判别方法FLLDA(Fuzzy Local LinearDiscriminant Analysis)。通过研究局部线性判别方法LLDA(Local Linear DiscriminantAnalysis),针对LLDA利用欧式距离来寻求近邻样本,而且没有考虑近邻样本的分布信息这一问题,FLLDA利用核函数测度公式来求解测试样本的近邻样本,并利用近邻样本的模糊隶属度重新定义了类内离散矩阵和类间离散矩阵,充分利用了近邻样本的分布信息。该算法在ORL、AR和FFRET上都能够提升识别效果。(4)提出了基于协同的局部线性判别分析算法CLLDA(Collaborative Local LinearDiscriminant Analysis)。利用协同表示来求解测试样本与训练样本之间的距离,求得最近邻样本,然后利用近邻样本来进行线性判别分析。该算法在ORL、AR和FERET上都能够提升识别率,尤其是AR、FERET数据库提升较明显,而且相对LLDA算法来说比较稳定。

全文目录


摘要  5-6
Abstract  6-8
目录  8-10
插图索引  10-11
附表索引  11-12
第1章 绪论  12-20
  1.1 研究背景与意义  12-13
  1.2 国内外研究状况  13-14
  1.3 人脸识别的研究内容及方法  14-16
  1.4 主要人脸库介绍  16-18
  1.5 本文主要研究内容及各章节安排  18-20
    1.5.1 本文研究内容  18
    1.5.2 本文结构  18-20
第2章 几种经典的子空间特征提取方法  20-26
  2.1 主成分分析  20-22
    2.1.1 主成分分析方法原理  20
    2.1.2 主成分分析人脸识别算法步骤  20-22
  2.2 线性判别分析  22-23
    2.2.1 线性判别分析原理  22
    2.2.2 线性鉴别分析人脸识别算法步骤  22-23
  2.3 局部保持映射  23-25
    2.3.1 局部保持映射原理  23-24
    2.3.2 局部保持投影的人脸识别算法步骤  24-25
  2.4 本章小结  25-26
第3章 基于稀疏表示的方法  26-31
  3.1 稀疏表示原理  26-27
  3.2 基于稀疏表示的人脸识别  27-28
    3.2.1 基于稀疏表示的人脸识别原理  27
    3.2.2 基于稀疏表示的人脸识别算法步骤  27-28
  3.3 基于稀疏保持投影的人脸识别  28-30
    3.3.1 稀疏保持投影原理  28-29
    3.3.2 稀疏保持投影算法步骤  29-30
  3.4 本章小结  30-31
第4章 基于局部稀疏保持投影的人脸识别  31-46
  4.1 局部非负稀疏保持投影算法  31-39
    4.1.1 局部非负稀疏保持投影算法原理  31-34
    4.1.2 局部非负稀疏保持投影算法步骤  34-35
    4.1.3 局部非负稀疏保持投影算法实验结果及分析  35-39
  4.2 局部协同保持投影算法  39-45
    4.2.1 局部协同保持投影算法原理  39-40
    4.2.2 局部协同保持投影算法步骤  40-41
    4.2.3 局部协同保持投影算法实验结果及分析  41-45
  4.3 本章小结  45-46
第5章 基于局部线性判别分析的人脸识别  46-59
  5.1 已有线性判别分析的改进算法  46-47
  5.2 模糊局部线性判别分析算法  47-53
    5.2.1 模糊局部线性判别分析原理  47-50
    5.2.2 模糊局部线性判别分析算法步骤  50
    5.2.3 模糊局部线性判别分析算法实验结果及分析  50-53
  5.3 协同局部线性判别分析算法  53-58
    5.3.1 协同局部线性判别分析算法原理及步骤  53-54
    5.3.2 协同局部线性判别分析算法实验结果及分析  54-58
  5.4 本章小结  58-59
结论  59-61
参考文献  61-66
致谢  66-67
附录 A 攻读学位期间发表的论文  67

相似论文

  1. 2D人脸模板保护算法研究,TP391.41
  2. 语音信号的压缩感知研究及其在语音编码中的应用,TN912.3
  3. 基于稀疏表示的人脸识别算法研究,TP391.41
  4. 基于流形学习的人脸识别算法研究,TP391.41
  5. 基于伪Zernike矩和BP网络的人脸识别算法研究,TP391.41
  6. 鉴别性流形学习在人脸识别中的研究应用,TP391.41
  7. 基于稀疏表示残差融合的人脸表情识别,TP391.41
  8. 基于AdaBoost算法的人脸识别研究,TP391.41
  9. 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
  10. 基于MMTD的人脸识别方法研究,TP391.41
  11. 基于稀疏表示的立体匹配算法和红外目标的检测与跟踪,TP391.41
  12. 基于压缩感知的语音稀疏基和投影矩阵构造技术的研究,TN919.8
  13. 分子三次、分母二次有理样条权函数神经网络研究及应用,TP183
  14. 基于稀疏表示的高空间分辨率遥感影像纹理描述方法的研究,TP751
  15. 在线字典训练及加权差异性稀疏表示的研究,TP391.41
  16. 独立成分分析与人脸识别,TP391.41
  17. 基于人脸识别的考勤系统的设计与实现,TP391.41
  18. 人脸识别技术在门禁系统中的应用研究,TP273.5
  19. 基于人脸识别算法的研究及门禁系统的设计与实现,TP273.5
  20. 应用于人脸识别中的反照片欺骗检测方法研究,TP391.41
  21. 社交网络中的多媒体数据挖掘,TP311.13

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com