学位论文 > 优秀研究生学位论文题录展示

基于稀疏表示的人脸识别算法研究

作　者: 朱伟冬
导　师: 胡剑凌
学　校: 苏州大学
专　业: 信号与信息处理
关键词: 人脸识别 稀疏表示 非负矩阵稀疏分解 马氏距离
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 453次
引　用: 1次
阅　读: 论文下载
 

内容摘要


人脸识别是计算机技术研究领域的一项热门学科,它属于生物特征识别技术,是以生物个体本身的生物特征来实现区分识别。由于人脸识别自身的优越性以及在计算机视觉、模式识别、图像处理、多媒体、心理学等多领域的广泛运用,使其在人工智能领域占有极其重要的地位。人脸识别技术包括人脸检测与人脸识别两个步骤,本文工作主要包括人脸识别的特征提取和分类识别两部分。基于对以上两部分的研究,提出了基于非负矩阵稀疏分解(Non-negative Matrix Factorization with Sparseness Constraints,NMFs)和稀疏表示分类算法(Mahalanobis Distance based Sparse Representation Classification,MSRC)的人脸识别框架。NMFs特征提取方法用于控制测试、训练样本的稀疏度进而构建人脸特征基矩阵,MSRC分类算法引入马氏距离,提高算法对同类样本的区分效果。通过大量实验证明本文所提算法在降低计算复杂度的同时较好地控制了识别错误率。论文首先综述人脸识别的研究背景和发展现状,介绍了业界主流的人脸识别算法,并对多种人脸识别技术的特性做了总结和归纳,得出初步结论。然后深入研究人脸特征提取工作在人脸识别中的应用,主要的特征提取算法包括:基于主元成分分析、独立成分、非负矩阵分解、非负矩阵稀疏分解等,重点讨论非负矩阵稀疏分解(NMFs)算法,并将其应用到本文所提出的人脸识别系统中。最后提出了基于马氏距离的稀疏表示分类算法(MSRC),该分类算法基于压缩感知的基本原理,通过构造一个过完备字典,求解出测试样本在所有训练样本上的最稀疏线性表示(最优解向量),进而实现最终的人脸识别工作。基于上述理论研究,本文做了大量针对性的实验,实验设计主要基于以下几点:(1)验证NMFs特征提取算法的有效性(2)对比MSRC分类算法与其他分类算法,证明其有效性(3)对比本文所提人脸识别方案与其他主流人脸识别方案,通过对实验结果的分析,证明了本文方法在特征提取和分类识别上的优势。当测试样本为正常人脸库图像,本文算法在特征维数取140时的识别率为97%,明显高于普通SRC分类算法(93%)。论文最后对所做全部工作进行了回顾和总结,并指出了后续工作的主要方向。

全文目录


摘要  4-6
Abstract  6-11
第一章 绪论  11-24
  1.1 人脸识别技术背景及意义  11-12
  1.2 人脸识别技术介绍  12-21
    1.2.1 人脸识别技术的发展现状  12-13
    1.2.2 人脸识别算法介绍  13-18
    1.2.3 人脸识别算法性能评价准则  18-19
    1.2.4 人脸识别技术所面临的问题  19-20
    1.2.5 常用人脸图像数据库  20-21
  1.3 课题内容及创新  21-24
    1.3.1 论文主要工作  21-22
    1.3.2 论文章节安排  22-24
第二章 人脸特征提取方法研究  24-40
  2.1 特征提取简介  24-26
  2.2 主元成分分析原理及应用  26-34
    2.2.1 EIGENFACES 特征脸  28-29
    2.2.2 FISHERFACES 特征脸  29-31
    2.2.3 LAPLACIANFACES 特征脸  31-34
  2.3 非负矩阵稀疏分解（NMFS）算法  34-39
    2.3.1 NMF 算法原理  34-35
    2.3.2 NMFS 算法原理  35-39
  2.4 本章小结  39-40
第三章 人脸识别分类算法研究  40-50
  3.1 分类算法简介  40-42
    3.1.1 距离分类算法  40-41
    3.1.2 常用距离度量方法  41-42
  3.2 最近邻分类算法  42-43
  3.3 支持向量机（SVM）算法  43-46
    3.3.1 SVM 算法的基本原理  43-45
    3.3.2 SVM 算法的关键问题  45-46
  3.4 基于稀疏表示的分类算法  46-49
    3.4.1 稀疏表示理论思想  46
    3.4.2 稀疏表示理论的研究  46-49
  3.5 本章小结  49-50
第四章 基于NMFS 和MSRC 的人脸识别系统设计  50-59
  4.1 基于NMFS 和MSRC 的人脸识别系统框架  50-51
  4.2 人脸图像预处理  51-52
  4.3 人脸特征提取  52-55
  4.4 样本分类识别  55-58
    4.4.1 分类算法思想  55-56
    4.4.2 最小L1 范数求稀疏解  56
    4.4.3 马氏距离  56-57
    4.4.4 乔里斯基分解  57
    4.4.5 MSRC 分类算法步骤  57-58
  4.5 本章小结  58-59
第五章 仿真实验及结果分析  59-71
  5.1 论文实验设计  59-60
    5.1.1 实验条件  59
    5.1.2 实验过程  59-60
  5.2 算法实现  60-62
  5.3 仿真结果分析  62-70
    5.3.1 实验一  62-64
    5.3.2 实验二  64-65
    5.3.3 实验三  65-67
    5.3.4 实验四  67-70
  5.4 本章小结  70-71
第六章 总结与展望  71-73
  6.1 论文总结  71-72
  6.2 工作展望  72-73
参考文献  73-79
中英文对照表  79-80
攻读硕士学位期间发表论文  80-81
致谢  81-82

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. 基于加权投票和关键帧提取的视频流人脸识别方法研究,TP391.41
  4. 基于差分演化的人脸识别方法研究,TP391.41
  5. 基于局部优化投影的人脸识别方法研究,TP391.41
  6. 基于动态模糊关系的深层结构学习算法研究,TP181
  7. 基于伪Zernike矩和BP网络的人脸识别算法研究,TP391.41
  8. 基于稀疏表示残差融合的人脸表情识别,TP391.41
  9. 无线传感器网络入侵检测研究,TN915.08
  10. 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
  11. 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
  12. 基于压缩感知的信号恢复算法研究,TN911.7
  13. 基于脑电信号的疲劳估计和实时监控技术研究,TN911.6
  14. 基于双核架构的嵌入式人脸识别系统,TP391.41
  15. 面向空间目标识别的红外与可见光图像融合算法及仿真研究,TP391.41
  16. 压缩感知在图像处理中的应用研究,TP391.41
  17. 面向视觉传感器网络的目标定位与追踪研究,TP391.41
  18. 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
  19. 基于自适应字典稀疏表示超分辨率重建的视频编码技术,TN919.81
  20. 弱稀疏信号欠定盲分离技术的研究,TN911.7
  21. 可变光照和遮挡条件下的人脸识别技术研究及其应用,TP391.41

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