基于低秩子空间恢复人脸识别算法

《基于低秩子空间恢复人脸识别算法》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、硕士学位论文MASTER'SDISSERTATION论文题目基于低秩子空间恢复人脸识别算法作者姓名耿同贺学位类别工程硕士指导教师胡正平教授2016年5月中图分类号：TP391.41学校代码：10216UDC：004.93密级：公开工程硕士学位论文(应用研究型)基于低秩子空间恢复人脸识别算法硕士研究生：耿同贺导师：胡正平教授副导师：宋彦军高工申请学位：工程硕士工程领域：电子与通信工程所在单位：信息科学与工程学院答辩日期：2016年5月授予学位单位：燕山大学ClassifiedIndex:TP391.41Schoolcode:102

2、16U.D.C:004.93SecretLevel:openDissertationfortheMasterDegreeinEngineeringROBUSTIMAGERECOGNITIONALGORITHMBASEDONLOW-RANKSUBSPACERECOVERYbyGengTongheSupervisor:ProfessorHuZhengpingYanshanUniversityMay,2016燕山大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《基于低秩子空间恢复人脸识别算法》，是本人在导师指导下，在燕

3、山大学攻读硕士学位期间独立进行研究工作所取得的成果。论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签字：日期：年月日燕山大学硕士学位论文使用授权书《基于低秩子空间恢复人脸识别算法》系本人在燕山大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归燕山大学所有，本论文的研究内容不得以其他单位的名义发表。本人完全了解燕山大学关于保存、使用学位论文的规定，同意学校保留并向有关部门送交论文的复印件和电子版本

4、，允许论文被查阅和借阅。本人授权燕山大学，可以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。保密□，在年解密后适用本授权书。本学位论文属于不保密□。（请在以上相应方框内打“√”）作者签名：日期：年月日导师签名：日期：年月日摘要摘要人脸识别技术通过引入低秩子空间恢复理论取得了重大进展并成为研究热点，本文在国内外相关低秩子空间恢复理论的研究成果基础上，提出了基于低秩子空间恢复的人脸识别新思路。首先，针对实际获取人脸图像存在光照强度差异、表情变化以及遮挡等原因影响图像原始低秩结构的问题，提出基于低秩子空间恢复多子

5、空间稀疏表示人脸识别算法。首先，将训练样本分块，利用分块后的子模块重构训练字典并将训练字典低秩分解得到低秩矩阵和稀疏误差矩阵。然后，将低秩矩阵进行主成分分析得到映射矩阵，将分块后的训练字典和测试样本分别在映射矩阵上投影。最后，在投影后的低秩空间进行最大概率稀疏表示分类判别，并统计得出分类结果。其次，针对低秩子空间恢复中得到的稀疏误差部分可以有效预测测试样本在训练样本原有低秩结构基础之上可能存在的变化情况，提出基于低秩子空间恢复联合降维与字典学习稀疏表示人脸识别算法。首先，利用训练样本的低秩矩阵和稀疏误差矩阵联合构造新的训练字典。

6、然后，学习一个新的训练字典和与之匹配的映射矩阵。最后，将测试样本在映射矩阵上投影，并在新的学习字典上分类判别。最后，针对实际采集人脸图像中光照、阴影、表情、遮挡等噪声污染使得分类过程中重建误差过大从而影响人脸识别鲁棒性问题，提出基于低秩子空间恢复的核特征空间人脸识别算法。首先，对训练样本进行低秩分解。然后，对低秩部分进行主成分分析得到映射矩阵，并将训练样本和测试样本在映射矩阵上投影。最后，将投影后的训练样本和测试样本在核特征空间进行分类判别。关键词：图像识别；稀疏表示；低秩子空间恢复；图像分块；字典学习；核映射；特征空间分类-I

7、-燕山大学工程硕士学位论文AbstractFacerecognitionhasmadegreatprogressandbecomesahotspotbyintroducingthetheoryoflow-ranksubspacerecovery.Basedonthedomesticandforeignrelevantlow-ranksubspacerecoverytheory,thisarticleproposesnewmethodsoffacerecognitiononthebasisoflow-ranksubspace.Fi

8、rstly,faceimageoftenhasillumination,occlusion,ornoisepollutionproblem.Itaffectsthelow-rankstructure.Inthisarticle,weproposeamultipl