基于子空间分析的人脸特征提取及识别研究

基于子空间分析的人脸特征提取及识别研究

ID:36619943

大小:1.51 MB

页数:104页

时间:2019-05-13

基于子空间分析的人脸特征提取及识别研究_第1页
基于子空间分析的人脸特征提取及识别研究_第2页
基于子空间分析的人脸特征提取及识别研究_第3页
基于子空间分析的人脸特征提取及识别研究_第4页
基于子空间分析的人脸特征提取及识别研究_第5页
资源描述:

《基于子空间分析的人脸特征提取及识别研究》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、重庆大学博士学位论文基于子空间分析的人脸特征提取及识别研究姓名:梁毅雄申请学位级别:博士专业:仪器科学与技术指导教师:潘英俊;龚卫国20050401重庆大学博士学位论文鉴别方法进行了深入的理论分析,证明了采用这三种方法所提取的特征的统计不相关性;进一步分析了这三种方法所采用的子空间的合理性,从而解释了NLDA方法优于其他两种方法的原因。在此基础上提出了一种加权不相关零空间线性鉴别分析(WUNLDA)的方法,该方法首先基于“在高维空间中类间距离较小的类别之间应赋予较高的权重”这一原则,给出了一种新的权函数,进而导出了一种新的判别准则及其相应的约束条件,最后采用拉格朗日乘子法求

2、解其最优鉴别向量,并给出了求解定理。在AR人脸库和FERET人脸库的子库上的实验结果验证了所提出的方法的有效性和优越性。5、核函数虽然是数学中一个早已存在的概念,但基于核的子空间分析方法却在最近几年才得到人们的广泛关注。该文对核方法的基本理论构架进行了较为深入的研究,在此基础上将前面所提出的WUNLDA方法拓展为非线性的加权不相关零空间核鉴别分析(WUNKDA)方法,并给出了相应的模型及其求解定理。该方法继承了WUNLDA方法的所有优点,而且还能有效的提取非线性特征。在具有光照、表情和姿态等变化较大的FERET子库上的实验结果表明,该方法能有效的简化人脸模式的复杂分布,且能

3、较大幅度的提高分类效果。关键词:人脸识别,特征提取,奇异值分解,线性鉴别分析,小样本问题,核方法II英文摘要ABSTRACTFacerecognitioncontinuestobeahottopicinpatternrecognitionfieldduetoitswiderangeofapplicationssuchascommercialandlawenforcementapplications.Acentralissuetoasuccessfulapproachforfacerecognitionishowtoextractdiscriminantfeaturefrom

4、thefacialimages.Manyfeatureextractionmethodshavebeenproposedandamongthemthesubspaceanalysishasreceivedextensiveattentionowingtoitsappealingproperties.Nowthesubspaceanalysismethodhasbeenthemostpopulartechnologyforfeatureextractionandfacerecognition.Thedissertationinvestigatedtheuseofsubspac

5、eanalysisforfeatureextractionfromthefacialimagesandrecognition.Themaincontributionsofthedissertationcanbenotedasfollowing:1.Thedissertationgaveadetailedanalysisonthesingularvalues(SVs)offacialimagesusingprojectionanalysisandthenthereasonwhytheSVsarenotenoughforfacerecognitionwasrevealed.Ba

6、sedonthisobservation,anewalgebraicfeaturewasproposedbyusingsingularvaluedecompositionandprojectivemethod.Itsrobustnesswasalsoproven.TheexperimentalresultsonthestandardORLfacedatabseandYalefacedatabasedemonstratethatincomparisionwiththetraditionalSVs,theproposedalgebraicfeaturecontainsmoreu

7、sefulinformationinasmallerdimensionalityandisarobustandmoreeffectivealgebraicfeature.2.ThedissertationextendedtheapplicabilityofthelatestheteroscedasticLDAwhichisbasedontheChernoffcriterion(HCLDA)tofacerecognitionforthefirsttime.AstheHCLDAisabletosimultaneousl

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。