基于log-gabor小波和流形学习子空间算法人脸识别

基于log-gabor小波和流形学习子空间算法人脸识别

ID:34808008

大小:1.81 MB

页数:52页

时间:2019-03-11

基于log-gabor小波和流形学习子空间算法人脸识别_第1页
基于log-gabor小波和流形学习子空间算法人脸识别_第2页
基于log-gabor小波和流形学习子空间算法人脸识别_第3页
基于log-gabor小波和流形学习子空间算法人脸识别_第4页
基于log-gabor小波和流形学习子空间算法人脸识别_第5页
资源描述:

《基于log-gabor小波和流形学习子空间算法人脸识别》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、独创性声明本人声明所呈交的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致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得山东理工大学或其它教育机构的学位或证书而使用过的材料。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。研究生签名:时间:年月日关于论文使用授权的说明本人完全了解山东理工大学有关保留、使用学位论文的规定,即:学校有权保留送交论文的复印件和磁盘,允许论文被查阅和借阅;学校可以用不同方式在不同媒体上发表、传播学位论文的全部或部分内容,可以采用影印、缩印或扫描等复制手段保存、汇编学位论

2、文。(保密的学位论文在解密后应遵守此协议)研究生签名:时间:年月日导师签名:时间:年月日II万方数据山东理工大学硕士学位论文摘要摘要人脸识别是模式识别和计算机视觉中的一个研究热点。在实际应用中,由于人脸图像是较为复杂的,因此需要对它进行数据降维,以避免维数灾难问题,这一过程也称为特征提取。在众多特征提取算法中,基于子空间的算法由于计算量小、识别效果好而得到广泛的关注。传统的线性子空间算法由于是基于欧式空间的,因此不能挖掘人脸图像中隐藏的流形结构;而流形学习不能映射新样本,因此不能用于模式分类;而基于流形学习的线性化版本一方面考虑了样本的流形结构,又有一个映射矩阵能处理新样本,因此在模式识别中已

3、大显身手。论文首先对人脸识别的概况进行了简单介绍,分别从研究背景、应用、存在的一些问题、国内外研究现状出发对人脸识别进行阐述,对众多的人脸识别算法归纳为:基于几何特征的人脸识别方法、基于弹性图匹配的人脸识别方法、基于子空间的人脸识别方法、基于神经网络的人脸识别方法、基于支持向量机的人脸识别方法、基于隐马尔可夫模型的人脸识别方法。其次,论文对目前存在的特征提取算法进行了介绍,从传统的线性化算法、流形学习和流形学习的线性化进行介绍,特别对流形学习的线性化算法进行详细介绍。最后,提出了基于Log-Gabor和正交邻域判别嵌入的人脸识别和基于核空间正交邻域判别嵌入的人脸识别。其中正交邻域判别嵌入算法,

4、可以选择最具判别力的基向量来构造子空间,此外具有正交性的算法更利于保留人脸非线性子流形空间与距离有关的结构信息和重构样本。为了有效处理非线性结构数据,核空间正交邻域判别嵌入将原始邻域判别嵌入向高维空间扩展,将邻域判别嵌入算法发展为非线性算法。在得到核空间邻域判别嵌入算法后,为消除核空间映射至低维空间的投影向量间的信息冗余,对基向量添加正交约束,提出核空间正交邻域判别嵌入算法。关键词:人脸识别;特征提取;流形学习;Log-Gabor小波;领域判别嵌入I万方数据山东理工大学硕士学位论文AbstractAbstractFacerecognitionisahotresearchareainpatter

5、nrecognitionandcomputervision.Inrealapplications,duetothefactthatthefacesarecomplex,itisnecessarytocarryoutdimensionalityreductiontoavoidthecurseofdimensionality,whichisalsocalledfeatureextraction.Amongallthealgorithms,subspacealgorithmsreceivedgreatattentionbecauseitiscomputationalefficientandhasde

6、sirableperformance.ThetraditionalsubspacelearningalgorithmsareEuclidian-Based,soitcannotdealwiththemanifoldstructure.Manifoldlearningcannotmapthenewdataandcannotbeapplicableforpatternclassification.Thelinearversionofmanifoldlearningalgorithmnotonlytakesthemanifoldstructureintoaccount,butalsoobtainsa

7、explicitmappingsoastodealwiththenewdata,hasshowntheirimportanceinpatternrecognition.Firstly,facerecognitionissurveyedfromthebackground,applications,theexistingproblemandthestateofart.Andallthealgorith

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。