学位论文 > 优秀研究生学位论文题录展示

基于随机投影和稀疏表征的红外人脸识别方法

作　者: 刘彬
导　师: 梁继民
学　校: 西安电子科技大学
专　业: 电路与系统
关键词: 人脸识别可见光远红外光随机投影稀疏表征
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 348次
引　用: 4次
阅　读: 论文下载

内容摘要

目前人脸识别技术已取得了巨大的成就,但也面临着许多尚未解决的难题,可见光图像人脸识别系统的性能易受光照变化的影响便是难题之一。热红外图像不受光照变化的影响,应用于人脸识别可以达到很好的效果。但是,由于热红外线不能穿透玻璃,如果待识别人物佩戴眼镜,其图像呈现墨镜形式,会导致识别性能的急剧下降。本文针对热红外人脸识别系统眼镜遮掩问题,研究基于随机投影和稀疏表征鲁棒性分类识别方法。首先采用随机投影将原始高维图像数据映射至低维变换子空间,达到数据降维的目的。而后采用基于稀疏表征的分类识别方法将待测样本用极少数的训练样本线性表示,可以有效隔离遮掩噪声。根据各类表征系数对于待测样本的重构估计,本文提出两种分类判别条件,分别是重构残差和表征系数有效性累计因子。同时,为了达到对于遮掩的极大鲁棒性,采取图像横向四等分策略,在各等分块上分别进行随机投影和稀疏表征,以四块平均判据值进行分类识别。本文实验所使用的数据库为美国Equinox公司采录的可见光和远红外人脸图像数据库,根据需要选取其中44人既有佩带眼镜亦有没有佩戴眼镜的远红外光和与其隔帧对应的可见光人脸图像。利用改进的CSU人脸识别评估系统对本文提出的方法与基于表象的人脸识别方法,主分量分析法、线性判别分析法以及贝叶斯法,进行基于远红外和可见光图像比较评估。评估结果证明本方法可以有效解决热红外人脸图像眼镜遮掩影响识别率的问题,并且其识别性能优于主分量分析法、线性判别分析法、以及贝叶斯法。

全文目录

摘要  3-4
Abstract  4-7
第一章绪论  7-15
  1.1 人脸识别概述  7-10
    1.1.1 人脸识别技术的研究内容  7-8
    1.1.2 人脸识别算法概述  8-9
    1.1.3 人脸识别技术的应用背景  9-10
  1.2 多光谱人脸识别分析  10-12
  1.3 随机投影和稀疏表征的鲁棒性人脸识别方法概述  12-13
    1.3.1 随机投影在人脸识别中的应用  12
    1.3.2 稀疏表征人脸识别方法概述  12-13
  1.4 自动人脸识别系统的评估方案  13
  1.5 本文的主要工作和内容安排  13-15
第二章基于表象的人脸识别算法  15-25
  2.1 主分量分析  15-18
    2.1.1 PCA 的基本概念  15-17
    2.1.2 PCA 的特征值分解算法  17
    2.1.3 基于PCA(特征脸Eigenfaces)的人脸识别方法  17-18
    2.1.4 PCA 方法的缺点  18
  2.2 线性判别分析  18-22
    2.2.1 线性判别分析概述  18-19
    2.2.2 线性判别分析的最佳判别方向  19-20
    2.2.3 线性判别分析的人脸识别步骤  20-21
    2.2.4 线性判别分析缺点  21-22
  2.3 贝叶斯人脸识别分析  22-24
    2.3.1 贝叶斯人脸识别分析方法概述  22
    2.3.2 贝叶斯人脸识别数学定义  22-23
    2.3.3 最大后验(MAP)和最大似然(ML)算法  23-24
  2.4 本章小结  24-25
第三章基于随机投影的人脸识别方法  25-31
  3.1 随机投影分析  25-28
    3.1.1 随机投影方法概述  25-26
    3.1.2 随机投影变换的数学描述  26-27
    3.1.3 随机投影有效性证明  27-28
  3.2 随机投影人脸识别  28-30
    3.2.1 随机投影的应用  28
    3.2.2 随机投影人脸识别方法  28-30
  3.3 本章小结  30-31
第四章随机投影和稀疏表征的鲁棒性人脸识别方法  31-41
  4.1 l~1最小化稀疏表征人脸识别方法  32-36
    4.1.1 人脸表征模型  32-34
    4.1.2 l~1最小化稀疏解  34-35
    4.1.3 l~1最小化稀疏表征分类识别方法  35-36
  4.2 随机投影和稀疏表征的鲁棒性人脸识别方法  36-39
    4.2.1 稀疏表征对于遮掩的鲁棒性  36-37
    4.2.2 随机投影和稀疏表征的鲁棒人脸识别算法  37-39
    4.2.3 图像横向等分策略  39
  4.3 本章小结  39-41
第五章基于随机投影和稀疏表征的人脸识别评估实验  41-59
  5.1 CSU 人脸识别评估系统  41-48
    5.1.1 系统概述  41-42
    5.1.2 基本数据结构  42-43
    5.1.3 预处理  43-44
    5.1.4 算法的训练和测试  44-46
    5.1.5 分析工具  46-48
  5.2 实验人脸图像数据介绍  48-50
    5.2.1 人脸数据库简介  48-49
    5.2.2 实验数据的选择  49-50
  5.3 随机投影和稀疏表征的人脸识别评估实验  50-57
    5.3.1 可见光和远红外图像经典人脸算法评估  50-53
    5.3.2 变换维数对横向分块随机投影和稀疏表征识别性能影响实验  53-54
    5.3.3 横向分块随机投影和稀疏表征对遮掩的鲁棒性评估实验  54-57
  5.4 本章小结  57-59
第六章总结与展望  59-61
致谢  61-63
参考文献  63-67
研究成果  67-68

基于随机投影和稀疏表征的红外人脸识别方法

内容摘要

全文目录

相似论文