基于深度学习的高光谱人脸图像识别

发布时间：2024-03-30 15:51

　　随着遥感技术的发展,光谱成像已经在农业、生物医学等方面得到了广泛的应用,其中研究人员已经表明:人脸的不同部位具有巨大光谱变异性。而高光谱成像能够捕获这种变异性特征,使得高光谱图像具有更多的判别信息,因此可以将高光谱成像技术用于人脸识别。高光谱图像具有谱带多、信息量大等高维特征,而手工特征提取方法如Gabor、HOG、LBP等已经无法满足这种复杂高维特征的需求。在人工智能飞速发展的今天,深度学习已经在场景理解、语义分割、自动驾驶等各个方面都取得了很大的进步。同传统算法相比,深度学习方法更能从复杂的高维信息中提取具有判别性的特征,因此将深度学习应用到高光谱人脸识别上去,具有重大的意义。深度卷积神经网络做为深度学习的一种,采用局部感受野和共享权值的方式识别位移、缩放及其他形式扭曲不变性的图像,在物体检测、人脸识别等方面取得了很好的效果。对此,本文在研究了手工特征提取的方法上进一步研究了基于深度卷积神经网络的高光谱人脸识别方法。主要工作如下:1、提出了一种基于空间和谱间协方差的图像融合方法将多维的高光谱人脸图像融合成灰度图像,然后采用手工特征的方式进行特征提取,最后利用卡方距离进行识别。2、进...

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图2-1高光谱人脸图像（PolyU-HSFD,400-720nm）

图2-1高光谱人脸图像（PolyU-HSFD,400-720nm）分辨率在10L数量级范围内的光谱图像称为高光谱图像(Hyper如上图2-1展示了香港理工大学公开的高光谱人脸数据（PolyU-H本，波段范围为400-720nm,每十个波段取一副图像，因此每个样的图像....

图2-2不同谱带的高光谱人脸图像

7图2-2不同谱带的高光谱人脸图像明光谱的谱带与血红蛋白有着密切的关系[12]，因此在不同的谱也不一样，有些特征人眼并不能察觉，如图2-2，当谱带在400-时人脸图像充满了噪声，当对人脸图像进行特征提取时，如果噪别效果造成影响。因此需要一种融合方法，如图2-3所示，....

图2-3高光谱人脸图像融合

图2-3高光谱人脸图像融合空间和谱间协方差的图像融合融合是为了提高图像的利用率，提升图像质量。拉普像融合中可以提高图像的尺度不变性。其方法是先对分解，得到不同层的图像，然后对分解后的各层图像行融合，最后通过反变换，得到融合后的特征图像[变换的思路类似拉普拉斯金字塔的方法，不....

图2一4SsF算法流程图

111cov(,)cov(,)sssDsxxxx（2.1）矩阵D代表协防差矩阵，p,qD表示在(p,q)处的协方差矩阵我们还需要计算谱带的均值向量：,121111(,......,)mmmTpq....

本文编号：3942582