学位论文 > 优秀研究生学位论文题录展示
基于保局子空间的人脸识别研究
作 者: 周长录
导 师: 许志闻
学 校: 吉林大学
专 业: 软件工程
关键词: 特征提取 保局算法 人脸识别 数据降维
分类号: TP391.41
类 型: 硕士论文
年 份: 2009年
下 载: 133次
引 用: 0次
阅 读: 论文下载
内容摘要
人脸识别是模式识别研究领域中一个较为热的研究方向。在实际应用中,人脸往往看成高维数据,因此会遇到维数灾难问题,此时需要通过数据降维进行特征提取,即将原始数据对应的高维空间数据映射到低维空间中,并尽可能地保持数据间的判别信息,以利于分类问题。在众多的算法中,基于子空间的算法由于计算量小,并且识别率较高,因此受到许多研究者的关注。目前较为流行的子空间算法有主成分分析PCA,线性判别分析LDA,局部保留投影LPP,三种算法所对应的人脸识别分别称作特征脸、fisher脸和拉普拉斯脸。PCA是一种非监督学习,没有考虑到类内、类间的差异,因此不利于分类。基于LDA的人脸识别算法,它是一种监督型学习,投影之后使得样本在所生成的子空间中类内散度最小,同时类间散度最大,因此可以实现较好的分类问题,从而比PCA更适用于识别问题。但它在实际运用的时候会遇到小样本问题,并且它要求所处理的数据是高斯分布,在现实中这些条件未必满足。论文首先对人脸识别进行简单介绍和概述,将众多人脸识别分为几类:基于几何特征的人脸识别,基于子空间的人脸识别,基于弹性图匹配的人脸识别,基于神经网络的人脸识别,基于模板匹配的人脸识别方法,基于隐马尔可夫的人脸识别方法和基于贝叶斯网路的人脸识别算法其次,论文对目前比较流行的降维算法进行了介绍,主要从三方面出发:1)线性化算法、比如PCA和LDA,2)非线性化算法,主要是流形学习算法和基于核技巧的算法,3)流形学习的线性化版本,比如LPP。最后,在这些基础上,学习和研究了基于路径相似度的判别保局算法和基于核判别保局最大化边界算法。基于路径相似度的判别保局算法不仅考虑了样本的类别信息,而且采用一种鲁棒的表示近邻点权值的方法,使得算法既适用于分类问题,同时又在一定程度上抗噪。而基于核判别保局最大化边界算法考虑样本的局部信息,同时考虑样本的类别信息,运用核技巧将算法非线性化。通过实验仿真验证了算法的正确性和有效性,实验表明比经典算法PCA、LDA和LPP有更高的识别率。
|
全文目录
提要 4-7 第1章 绪 论 7-12 1.1 人脸识别的研究意义 7 1.2 人脸识别的研究现状 7-8 1.3 人脸识别的应用 8-9 1.4 人脸识别的研究内容 9-10 1.5 人脸识别存在的问题 10-11 1.6 本文的研究内容及组织结构 11-12 第2章 人脸识别概述 12-18 2.1 基于几何特征的人脸识别 12 2.2 基于弹性图匹配的人脸识别 12-13 2.3 基于神经网络的人脸识别 13 2.4 基于模板匹配的方法 13-14 2.5 基于隐马尔可夫方法 14 2.6 基于贝叶斯网路的人脸识别 14-15 2.7 基于子空间的人脸识别 15-17 2.8 本章小结 17-18 第3章 数据降维算法概述 18-26 3.1 线性降维算法 18-21 3.1.1 主成分分析 19-20 3.1.2 线性判别分析 20-21 3.2 非线性降维算法 21-24 3.2.1 等度映射 21-22 3.2.2 局部线性嵌入 22 3.2.3 拉普拉斯映射 22-23 3.2.4 基于核技巧的非线性降维算法 23-24 3.3 流形学习算法的几个线性化算法 24-25 3.4 本章小结 25-26 第4章 基于路径相似度的判别保局算法 26-33 4.1 引言 26-27 4.2 算法推导 27-30 4.3 实验结果及其分析 30-32 4.4 本章小结 32-33 第5章 基于核判别保局最大化边界算法 33-40 5.1 引言 33 5.2 算法推导 33-38 5.2.1 判别保局算法 33-34 5.2.2 MMC 算法 34-35 5.2.3 核判别保局最大化边界算法 35-38 5.3 实验结果及其分析 38-39 5.4 本章小结 39-40 结论 40-42 参考文献 42-47 致谢 47-48 摘要 48-51 Abstract 51-53
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 2D人脸模板保护算法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
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
|