学位论文 > 优秀研究生学位论文题录展示

有监督流形学习在人脸识别中的应用研究

作　者: 王淑艳
导　师: 吕英华
学　校: 东北师范大学
专　业: 计算机应用技术
关键词: 人脸识别流形学习判别分析主成分分析
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 154次
引　用: 0次
阅　读: 论文下载

内容摘要

当今,随着信息化社会的高度发展,信息安全显示出前所未有的重要性。生物特征识别技术是近年来在全球范围内迅速发展起来的计算机安全技术,它主要利用人体固有的生物特征来进行个人身份识别,具有高可靠性、高稳定性,应用领域十分广泛。作为一种非常重要的生物特征识别技术——人脸识别,具有方便友好、易于接受、不易伪造等优点,因此具有相当高的研究价值与广泛的应用前景。由于人脸特征的可靠性受表情、动作、光照、背景等细微变化的影响,为此,人脸识别技术的研究更多的集中在特征提取算法的研究上,希望在降低人脸图像维数的同时提取稳健可靠的特征,使识别处理更加有效。本文对国内外现有的人脸识别方法进行了深入的研究与比较,在此基础上提出了新的基于有监督流形学习的人脸识别方法。具体来说,本文主要做了以下工作:首先,提出了一种基于全局的人脸识别方法。本方法将类别信息引入到流形学习中,在利用判别分析方法提取特征的过程中,一方面保持了人脸流形的局部几何结构,另一方面加大了嵌入空间的类间间隔,因此有效促进了后续分类。此外,文中给出了一种有效计算投影空间的方法,省去了图像预处理中的缩小图像分辨率和主成分分析预投影过程,避免了图像信息的丢失。其次,提出了一种新的基于分块的人脸识别方法。这是首次将有监督流形学习方法应用到基于分块的人脸识别技术当中,相比已有方法取得了较好的识别效果。以上本文提出的两种人脸识别方法均通过大量实验验证了其可行性和有效性。

全文目录

摘要  4-5
Abstract  5-8
第一章引言  8-11
  1.1 课题背景  8
  1.2 人脸识别技术的发展历史  8-9
  1.3 人脸识别技术的应用  9
  1.4 本文的主要工作  9-10
  1.5 论文结构  10-11
第二章人脸识别技术方法概述  11-18
  2.1 图像预处理  11-12
  2.2 人脸识别中的子空间法  12-16
    2.2.1 线性子空间法  13-14
    2.2.2 非线性子空间法  14-16
  2.3 分类  16-18
第三章流形学习  18-24
  3.1 流形学习发展概况  18
  3.2 流形学习的定义  18-20
  3.3 经典算法介绍  20-22
    3.3.1 局部线性嵌入LLE  20-21
    3.3.2 等距映射ISOMAP  21
    3.3.3 拉普拉斯特征映射Laplacian Eigenmap  21-22
  3.4 流形学习在人脸识别的应用  22-24
第四章基于全局的人脸识别  24-31
  4.1 图像预处理  24
  4.2 提取人脸子空间  24-27
    4.2.1 构建类内散度矩阵  25
    4.2.2 构建类间散度矩阵  25-26
    4.2.3 投影  26-27
  4.3 分类  27-28
  4.4 实验结果及分析  28-31
    4.4.1 ORL 人脸数据库  28
    4.4.2 参数选取  28
    4.4.3 识别结果  28-31
第五章基于分块的人脸识别  31-39
  5.1 图像分块  32-33
  5.2 提取特征  33-34
  5.3 分类  34
  5.4 实验结果及分析  34-39
    5.4.1 Yale 数据库  34-36
    5.4.2 YaleB 数据库  36-37
    5.4.3 PIE 人脸数据库  37-39
第六章总结和展望  39-41
  6.1 总结  39
  6.2 展望  39-41
参考文献  41-44
致谢  44-45
在学期间公开发表论文情况  45

有监督流形学习在人脸识别中的应用研究

内容摘要

全文目录

相似论文