基于稀疏表示的人脸识别算法-研究

基于稀疏表示的人脸识别算法-研究

ID:32504681

大小:5.72 MB

页数:96页

时间:2019-02-09

基于稀疏表示的人脸识别算法-研究_第1页
基于稀疏表示的人脸识别算法-研究_第2页
基于稀疏表示的人脸识别算法-研究_第3页
基于稀疏表示的人脸识别算法-研究_第4页
基于稀疏表示的人脸识别算法-研究_第5页
资源描述:

《基于稀疏表示的人脸识别算法-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、ClassifiedIndex:U.D.C:ADissertationfortheDegreeofM.EngFaceRecognitionBasedonSparseRepresentationAlgorithmCandidate:KanLiangSupervisor:Prof.WangKejunAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:PatternRecognitionandIntelligentSystemDateofSubmission:May

2、,2015DateofOralExamination:Jun,2015University:HarbinEngineeringUniversity哈尔滨工程大学学位论文原创性声明本人郑重声明:本论文的所有工作,是在导师的指导下,由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出,并与参考文献相对应。除文中已注明引用的内容外,本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者(签字):日期

3、:年月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定,即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索,可采用影印、缩印或扫描等复制手段保存和汇编本学位论文,可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文(□在授予学位后即可□在授予学位12个

4、月后□解密后)由哈尔滨工程大学送交有关部门进行保存、汇编等。作者(签字):导师(签字):日期:年月日年月日基于稀疏表示的人脸识别算法研究摘要人脸识别属于生物特征识别技术,具有唯一性和便携性,但由于人脸具有丰富表情变化并受到外界光照、遮挡等因素影响,使其识别具有一定的难度和挑战性。稀疏表示理论应用于人脸识别领域具有重要意义,能够有效克服人脸的多变性,获得了国内外学者的广泛关注。目前稀疏表示的算法研究主要从稀疏表示的字典设计或分解算法进行单方面的研究,存在以下问题:(1)目前的研究虽然提出了多种稀疏分解算法及字典的设计

5、方法,但缺少有关这些方法性能对比评估的研究成果。(2)目前人们用于人脸识别的稀疏表示方法都没有分别考虑字典学习和稀疏分解方法的性能,而是直接采用了某一种特定字典和某一种特定稀疏分解算法,因此得到的稀疏表示方法性能不能做到最好。针对以上问题,本文基于国内外的研究成果分别从字典设计和分解算法两方面进行实验对比,根据不同字典的构造特点和设计方法,与多种不同特点的分解算法相结合,对稀疏表示算法进行深入的研究并进行了大量实验,获得字典方法和分解算法相结合的最佳方案,给出性能更佳的有实际意义的稀疏表示方法,为其他研究人员使用稀

6、疏表示方法解决实际问题提供参考。主要研究内容如下:(1)从稀疏表示字典设计和稀疏分解算法的研究进展综述了稀疏表示理论在人脸识别领域的应用和发展。(2)根据稀疏表示研究的核心内容分析了典型冗余字典的构造方式和稀疏分解算法,针对贪婪追踪算法和松弛优化算法,通过实验分别对一维信号和二维图像信号进行研究,对比分析了正交匹配追踪算法、截断牛顿内点法、同伦算法、快速迭代阈值收缩法和增广拉格朗日算法的性能,对稀疏表示算法的后续研究具有一定的指导意义。(3)研究了基于分析字典稀疏表示分类算法的人脸识别。在稀疏表示分类(SRC)算法

7、、扩充稀疏表示分类(ESRC)算法和叠加稀疏表示分类(SSRC)算法原理的基础上,通过实验对比评估了经典SRC、ESRC和SSRC算法用于人脸识别的准确性以及算法特点。并采用多种稀疏分解算法对SSRC算法进行改进,提出了TSSRC、PSSRC、DSSRC、FSSRC改进算法,基于单样本人脸图像、FERET和AR人脸数据库进行仿真实验,对它们的性能进行对比评估,给出了性能更佳的稀疏表示方法,为其他研究人员使用稀疏表示方法解决实际问题提供参考依据。(4)研究了基于学习字典稀疏表示分类的人脸识别算法,并进行仿真实验。利用

8、经典的K-SVD算法、判别性K-SVD算法(D-KSVD)、类标一致性K-SVD算法(LC-KSVD)和基于Fisher准则字典学习的稀疏表示算法(FDDL)进行仿真实验,通过实验对比评估以上4种算法用于人脸识别的性能。在此基础上采用多种稀疏分解算法改进FDDL算法的字典学习过程,提出了FDHDL、FDTDL、FDPDL、FDDDL、FDFDL算法,并基于哈

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。