基于低秩恢复与深度神经网络人脸识别算法的研究

基于低秩恢复与深度神经网络人脸识别算法的研究

ID:35180422

大小:4.96 MB

页数:55页

时间:2019-03-21

基于低秩恢复与深度神经网络人脸识别算法的研究_第1页
基于低秩恢复与深度神经网络人脸识别算法的研究_第2页
基于低秩恢复与深度神经网络人脸识别算法的研究_第3页
基于低秩恢复与深度神经网络人脸识别算法的研究_第4页
基于低秩恢复与深度神经网络人脸识别算法的研究_第5页
资源描述:

《基于低秩恢复与深度神经网络人脸识别算法的研究》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、^成^省迂瘡錢墓^常碧^赛壌難^^.:..,.:祕p^:賴接暴;.:^-;賴分裘讀麵病.'.第^令,.奸.装,.^分类号乂密级.|.《DC:学号____-麵臀_議續方終八索芳y霉籌1-:黎瞧麵全学化论交^The’X是si沒化rMastersDegree葦1亡疋.;苗護。兵畫;安论文题目基于低秩恢复与深度神经网络f;寒^脸i只别算法的硏究.—冷芝命^巧舌若W人章;令''皆^若巧巧聲:C:知奠'''一■'?—^w/:…T.:务";>请学位类别W\:,-

2、.^?寺踩专业名称通信与信息系统-^:方式巧為沒-----H--V-心..二兴二硏究生姓名—‘-山早—一吉I鱗難导师姓名、职称吴君钦昌]教授酶,说_義苗一0六年五月-气,常編却實,^;讓户P:農.-—‘—…—'一:^-、.''*.—;-^’‘‘'..-心站注.…^祭如與—'‘雜?^藤義V古某安當這这峡恐與.八分类号:密级:UDC:学号:硕士学位论文基于低秩恢复与深度神经网络人脸识别算法的研究Theresearchoffacerecognitionalgorithmbased

3、onlowrankrecoveryanddeepneuralnetwork学位类别:工学硕士作者姓名:邬亮学科专业:通信与信息系统研究方向:嵌入式系统指导老师:吴君钦副教授2016年5月28日学位论文独创性声明本人声明所呈交的论文是本人在导师指导下进行的研巧工作及取得的研巧成果。据我所知,除了文中特别加tu示注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含己获得江西理工大学或其他教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研巧所做的任何贡献均己在论文中做了明确的说明并表示谢意。一申请学位论文

4、与资料若有不实么处,本人承担切相关责任。研究生签名:切杉时间:>|6年6月1曰学位论文版权使用授权书本人完全了解江西理工大学关于收集、保存、使用学位论文的规定:即学校有权保存按要求提交的学位论文印刷本和电子版本,学校有权将将学文论文的全部或者部分内容编入有关数据库进行检索,并采用影印、缩印或扫描等复制手段保存、汇编供查阅和借阅;学校有权按有关规定向国家有关部口或者机构送交论文的复印件和电子版。本人允许本学位论文被查阅和借阅,同意学校向国家有关部口或机构送交论文的复印件和电子版,并通过网络向社会公众提供信息服务。保密

5、的学位论文在解密后适用本授权书学位论文作者签名(手写起胃师签名(手写签字曰期;6^曰签字曰期:年6月曰1>护/^^/江西理工大学硕士学位论文摘要人脸识别问题是模式识别中的一个研究热点,人脸识别因为其便利性被广泛应用于身份认证,破案侦查等对安全性要求较高的场所。人脸识别算法从最初的简单条件下的识别,发展到多因素复杂条件下的识别。多因素人脸识别中光照,人脸旋转,人脸遮挡,噪声污染,皮肤颜色及种族因素等都是在人脸识别中要考虑的因素。复杂条件下的人脸识别问题仍然是人脸识别领域内的一个难点。本文针对以下问题进行了研究,并且给出了解决方法。(1)针

6、对小波阈值去噪会引入量化噪声和阈值选取不当会损坏图像边缘信息的问题,本文在小波阈值去噪的基础上融合了低秩矩阵恢复算法,提出一种融合小波变换与低秩矩阵恢复的图像去噪算法,实验结果表明本文提出的去噪算法比单一小波阈值去噪算法有更好的去噪效果,改进了算法性能。(2)本文针对采集人脸图像时会有过度曝光,阴影和噪声干扰的问题。本文将低秩矩阵恢复算法应用在人脸图像预处理阶中。实验结果表明,经过低秩矩阵恢复算法处理的人脸图像有效的改善了曝光,阴影,干扰等因素的影响,改善了人脸图像的成像质量,为后续提取高质量的人脸特征奠定了基础。(3)针对线性降维方法与浅层神经网络提

7、取人脸特征鲁棒性不佳的问题。本文将低结合低秩矩阵恢复算法与深度神经网络算法有效的解决了这个问题。在YALE,ORL,AR人脸库上,通过设置不同的网络节点数与网络迭代次数,选取不同的训练样本数进行实验。在人脸数据库上的实验结果表明,本文算法比线性降维与浅层神经网络算法有更高的识别率和更好的稳定性。关键词:人脸识别;低秩恢复;神经网络;深度学习;IAbstractAbstractFacerecognitionisahottopicinpatternrecognition.Facerecognitioniswidelyusedinauthentication

8、,detectionandinvestigationofsafetyrequirementso

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。