基于二型模糊的人脸识别方法研究

《基于二型模糊的人脸识别方法研究》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、学校代码：10286分类号：TP274密级：公开UDC：004.93学号：119266基于二型模糊的人脸识别方法研究研究生姓名：杜一君导师姓名：路小波教授申请学位类别工学博士学位授予单位东南大学一级学科名称控制科学与工程论文答辩日期2018年6月3日二级学科名称检测技术与自动化装置学位授予日期2018年6月日答辩委员会主席刘英教授评阅人2018年6月6日东南大学博士学位论文博士学位论文基于二型模糊的人脸识别方法研究专业名称：检测技术与自动化装置研究生姓名：杜一君导师姓名：路小波教授东南大学博士学位论文东南大学学位论文独创性声明工作及取得的研宄成果，本人声明所呈交的学位

2、论文是我个人在导师指导下进行的研宄。尽我所知已经发表或撰写过的研究成果，也不包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的材料一含为获得东南大学或其它教育机构的学位或证书而使用过。与我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。＞．：６（？研宄生签名：来君日期东南大学学位论文使用授权声明）》、《电子杂志社有限、中国学术期刊（光盘版东南大学、中国科学技术信息研宄所国家图书馆送交学位论文的复印件和电公司、北京万方数据股份有限公司有权保留本人所、万方数据电子出版社保存论文内容相一、缩印或其他复制手段。本人电子文档的内容和

3、纸质论文的子文档，可以采用影印）论借阅，可以公布（包括以电子信息形式刊登致，允许论文被查阅和。除在保密期内的保密论文外文的全部内容或中、英文摘要等部分内容。论文的公布（包括以电子信息形式刊登）授权东南大学研宄生院办理。（＾＇（＞：研宄生签名：ｔ导师签名RESEARCHONTYPE-2FUZZYFACERECOGNITONADissertationSubmittedtoSoutheastUniversityFortheAcademicDegreeofDoctorofEngineeringBYDUYi-junSupervisedbyProf.LUXiao-boSchoolof

4、AutomationSoutheastUniversityJune2018摘要摘要近年来，人脸识别技术得到了迅速的发展，越来越多的融入到我们的工作生活当中。在实际应用中，人脸图像在成像过程中，因各种因素的影响，造成图像分辨率低、噪声干扰、光照变化剧烈等情况，这些都为人脸识别带来了困难，严重影响了人脸识别方法的准确性。因此，如何提高人脸识别方法对质量差的人脸图像的识别能力仍然是人脸识别研究领域亟待解决的关键问题。考虑到人脸图像在特征提取和分类过程中存在一定的模糊性，以及二型模糊理论在解决不确定性问题和抗干扰方面的优秀表现，本文将二型模糊理论引入人脸识别，围绕人脸识别中的特征提取和分类识别两个关

5、键问题开展研究。论文主要研究内容如下：（1）在复杂环境下，人脸图像的类内变化往往大于类间变化，从而使不同个体的样本具有相似的特征。针对这一问题，本文提出了二型模糊线性鉴别分析的特征提取方法（简称T2FLDA方法），将二型模糊思想引入线性鉴别分析方法中，利用二型模糊隶属度刻画每个样本属于各类的程度，量化了在特征提取过程中不同样本对于各类的贡献率大小，减小了离群样本的影响。首先，提出了一种监督区间二型模糊C均值聚类算法，结合样本的类别信息初始模糊聚类中心，给出了二型模糊隶属度的计算方法，并根据类别信息对样本隶属度进行调节，确保样本对其所属类别中心的贡献最大。其次，建立了T2FLDA模型，定义了模

6、糊类内散布矩阵和模糊类间散布矩阵，利用Fisher鉴别准则寻求最佳模糊投影矩阵。最后，分析参数的意义及其取值对识别率的影响，给出T2FLDA方法合适的参数选择。实验结果表明，本文方法得到的嵌入子空间更具鉴别性和鲁棒性。（2）针对基于模糊规则的模糊分类方法的理论基础相对薄弱且泛化能力弱的问题，本文提出了基于支持向量机（SVM：Supportvectormachine）的二型T-S模糊分类方法（简称T2T-SFCSVM方法）。首先，构建了二型T-S模糊分类系统，设计了T2T-SFCSVM方法用于解决二分类问题的决策函数。其次，利用模糊迭代自组织数据分析技术学习二型模糊规则条数和二型模糊高斯隶属度

7、函数的中心参数；利用粒子群优化算法学习二型模糊高斯隶属度函数的不确定宽度参数，给出了待优化参数取值范围的计算方法；提出了基于SVM的二型模糊规则后件参数学习方法，导出了二型模糊规则后件参数计算公式；提出了一种监督学习算法学习推理机调节参数，定义了二型模糊分类系统输出误差函数。最后，采用“一对一”策略将提出的二分类方法扩展成为多分类方法，并应用于身份识别。实验结果表明，本文方法与现有主流方法相比具有更好的识别率