基于稀疏表示的人脸识别方法研究

《基于稀疏表示的人脸识别方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、1分类号______________________________密级______________________________ＵＤＣ______________________________编号______________________________硕士学位论文基于稀疏表示的人脸识别方法研究学位申请人：姜辉明学科专业：通信与信息系统指导教师：殷爱菡教授答辩日期：华东交通大学2013届硕士学位论文基于稀疏表示的人脸识别方法研究信息工程学院姜辉明独创性声明本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和

2、致谢的地方外，论文中不包含其他人已经发表和撰写的研究成果，也不包含为获得华东交通大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人签名_______________日期____________关于论文使用授权的说明本人完全了解华东交通大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅。学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。保密的论文在解密后遵守此规定，本论文无保密内容。本人签名____________导师签名_______

3、___日期___________摘要基于稀疏表示的人脸识别方法研究摘要人脸识别作为生物鉴别技术的一种主要技术手段，随着视频监控，信息安全，图像检索等技术的快速普及，得到了广泛的关注和发展。经过几十年的不断努力，现有的人脸识别系统，在可控条件的环境中具有很好的识别效果，一旦环境发生改变，系统识别率急剧下降。随着压缩感知的理论兴起，稀疏表示被引入到人脸识别当中。与现有的人脸识别方法相比，基于稀疏表示的SRC方法无需特征提取，能够有效的处理噪声，光照，遮挡等问题，并取得了较好的识别效果。目前，SRC方法仍处在不断的完善和发展之中。本文主要是通过研究SRC方法的实现过程和作用机制，得

4、到有效的改进算法，提高系统的识别性能。本文的主要工作如下：(1)对人脸识别问题、压缩感知、稀疏表示理论进行了研究，并详细阐述了目前人脸识别和SRC方法的研究现状。(2)从实际的认知角度出发，针对采用正交匹配追踪算法进行稀疏求解时，得到的稀疏向量存在负系数的问题，提出一种改进的正交匹配追踪算法。该方法通过改进原有算法的原子策略，将测试样本表示成训练样本的非负稀疏性组合，避免负值系数的产生。测试结果表明,新方法具有较好的识别结果和鲁棒性。(3)采用基于组稀疏表示分类方法时，同类样本同时参与对测试样本的表示，忽略了样本间的相关性。本文提出了一种改进方法，该方法在块正交匹配追踪算法基

5、础上，将样本间的相干系数作为判断阈值，对算法每次迭代选取的原子进行判别，优化了算法的重建性能。(4)针对现有SRC方法求解存在的缺陷，提出了一种结合降维字典和L2范数求解方案。该方案分首先利用PCA技术对冗余字典进行有效的降维，其次采用最小正则化L2范数进行求解，该方案能够有效的解决字典维数过大问题，在ORL和YaleB人脸库上的实验，验证了该方法的有效性。关键词：稀疏表示，人脸识别，压缩感知，贪婪算法，降维字典IAbstractRESEARCHOFFACERECOGNITIONALGORITHMBASEDONSPARSEREPRESENTATIONABSTRACTAsama

6、intechnicalmeanoftheBiometricIdentificationTechnology,withtherapidpopularizationofthevideomonitoring,informationsecurity,andimageretrievaltechniques,facerecognitionreceivedextensiveattentionanddevelopment.Afterdecadesofcontinuousefforts,theexistingfacerecognitionsystemhasaverygoodrecognitio

7、neffectinthecontrolledconditionsoftheenvironment.However,whentheenvironmentischanged,therecognitionratesofsystemfallsharply.Alongwiththeriseofcompressionperceptiontheory,SparseRepresentationalgorithmwasintroducedtofacerecognition.Comparedwiththeexistingf