学位论文 > 优秀研究生学位论文题录展示

基于稀疏性理论的人脸识别方法研究

作　者: 夏飞佳
导　师: 郎利影
学　校: 河北工程大学
专　业: 计算机应用技术
关键词: 人脸识别 K_L变换独立成分分析稀疏编码算法支持向量机
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 77次
引　用: 0次
阅　读: 论文下载

内容摘要

随着现代科学技术的不断发展,人脸识别越来越受到了人们的关注,正成为国际性的研究热点。人脸识别整个过程主要包括图像预处理、特征提取以及模式分类3个阶段,其中特征提取与模式分类两个步骤最为关键。特征提取阶段,K_L变换算法较为经典,它是一种基于全局性的特征提取算法。与之相对应的是基于局部性的特征提取算法,稀疏编码算法即是一种基于局部特征提取的算法,它有着减少冗余数据,增强数据鲁棒性等优点。模式分类器可以分为非线性分类器与线性分类器。支持向量机是一种线性分类器,它在小样本数据中分类效果是最佳的,被广泛的应用在人脸识别中。稀疏编码算法虽然有着许多优点,但现阶段稀疏编码算法迭代时间长,效率较低,本文提出了一种高效0范数稀疏编码算法,在模型的间断点连续开拓后进行求解,大大提高算法的运算效率。由于将稀疏编码算法运用到人脸识别中,模式分类阶段是必不可少的,因此本文中还对模式分类阶段的支持向量机进行简单的研究,最终对模型中惩罚参数的选择进行改进。最终利用高效0范数稀疏编码算法并结合改进后的支持向量机组成一种新的高效的人脸识别方法。为了验证本文提出的0范数稀疏编码算法的高效性,将与NMFs算法进行比较,实验在ORL人脸库上进行。最终的实验数据表明本文提出的0范数稀疏编码算法在收敛速度上优于NMFs算法,大大缩短了整个算法的迭代时间。对支持向量机惩罚参数的选择也进行了实验,最终得到了一种选择惩罚参数的方法,即对表情姿态不丰富的人脸库我们可以相对随机的选取矫正系数矩阵,对表情姿态丰富的人脸库我们选取较小的g所对应的矫正系数矩阵。

全文目录

摘要  5-6
Abstract  6-10
第1章绪论  10-16
  1.1 研究背景及意义  10-11
  1.2 人脸识别系统概述  11-12
  1.3 国内外研究现状  12-14
  1.4 论文的内容安排  14-16
第2章稀疏编码理论研究概述  16-22
  2.1 稀疏、非高斯、独立之间的关系  16
  2.2 稀疏编码算法的数学描述  16-19
  2.3 稀疏编码算法的一些数学模型  19
  2.4 稀疏编码算法的应用  19-20
  2.5 稀疏编码算法存在的问题  20
  2.6 本章小结  20-22
第3章人脸识别常用方法  22-42
  3.1 引言  22
  3.2 基于K_L 展开式的特征提取  22-29
    3.2.1 K_L 展开式具体过程  22-23
    3.2.2 K_L 离散情况下的其它导出方法  23-26
    3.2.3 K_L 展开式的性质  26
    3.2.4 未知类别训练样本特征提取  26-27
    3.2.5 已知类别训练样本特征提取  27-29
  3.3 基于ICA 的特征提取  29-41
    3.3.1 数据的白化变换  29-30
    3.3.2 极大化非高斯性的ICA 估计方法  30-35
    3.3.3 ICA 的极大化似然度估计方法  35-39
    3.3.4 极小化互信息的ICA 估计方法  39-41
  3.4 本章小结  41-42
第4章基于稀疏编码的特征提取方法  42-56
  4.1 引言  42
  4.2 非负稀疏编码的特征提取  42-45
    4.2.1 1 范数稀疏编码  43-44
    4.2.2 利用稀疏逼近的稀疏编码  44-45
  4.3 无非负限制的0 范数稀疏编码  45-49
  4.4 基于稀疏编码与支持向量机的人脸识别  49-55
    4.4.1 支持向量机的几何意义  50-51
    4.4.2 支持向量机的改进  51-54
    4.4.3 稀疏编码与支持向量机的人脸识别方法  54-55
  4.5 本章小结  55-56
第5章实验结果与分析  56-63
  5.1 实验人脸图像库  56-57
  5.2 基于非负稀疏编码与0 范数稀疏编码算法实验结果与分析  57-60
  5.3 支持向量机改进方法的实验结果与分析  60-62
  5.4 实验结论  62
  5.5 本章小结  62-63
结论  63-65
致谢  65-66
参考文献  66-70
作者简介  70-71
攻读硕士学位期间发表的论文  71-72

基于稀疏性理论的人脸识别方法研究

内容摘要

全文目录

相似论文