基于稀疏表示的图嵌入降维算法在人脸识别中的应用

发布时间：2017-08-30 03:13

  本文关键词：基于稀疏表示的图嵌入降维算法在人脸识别中的应用

  更多相关文章： 稀疏矩阵 图嵌入降维模型 半监督学习 人脸识别

【摘要】：当今社会,人们把公共安全问题看得非常重要,而在安全领域中生物特征的识别技术发挥着越来越重要的作用。作为生物特征识别技术的典型代表之一,人脸识别技术在监控系统、信息安全以及身份认证与识别等领域都得到了非常广泛的应用。由于人脸识别技术在实际应用过程中人脸图像经常会遭受不平衡光照和遮挡等因素的影响,这些因素将会降低人脸图像识别的精确度和准确度,从而直接导致了识别率的严重下降。根据人脸识别过程中的技术需要,使用合适的小波变换和数据降维算法对人脸图像降维变换处理,以便获得对人脸识别较高的识别率。本文主要进行了以下几个方面的工作:(1)进行了稀疏表示方法及其构图以及基于图嵌入的降维模型的研究;其中稀疏表示主要对其概念、字典构建以及构图进行研究;对于基于图嵌入的降维模型则主要包括图嵌入模型和图的构造方法两个方面,本文主要选取K最近邻法和ε球近邻法两种图的构图方法进行分析。(2)提出了一种采用稀疏表示的方法对样本之间的关系以图的形式进行建立的新的基于稀疏表示的标签传递算法,以便于对在半监督学习算法中存在大量未标记样本和少量标记样本的情况进行解决。本文提出基于稀疏表示的标签传递算法主要包括两个步骤:首先,采用最小化范数的方法来对样本间的稀疏表示关系图进行建立;其次,则是通过标记样本的标签信息以及权值矩阵S来对未标记样本的信息进行计算。(3)进行了本文提出的标签传递算法的人脸识别算法与传统的基于欧氏距离的k-近邻方法的比较分析,证明了本文提出的标签传递算法的人脸识别算法能有效的解决人脸识别技术在实际应用的过程中遭受遮挡和不平衡光照等问题的影响,从而保证识别的准确度,提高算法识别的准确率。(4)进行了本文提出的基于稀疏表示的图嵌入降维算法在人脸识别中的应用,并经过各种识别框架在类别数不同的10个ORL子集上的分类实验证明了本文所提出的LPSR+NMF-L1框架总体上获得最优的识别效果。从而可以证明本文提出的基于稀疏表示的图嵌入降维算法在人脸识别中具有比较好的应用效果。
【关键词】：稀疏矩阵 图嵌入降维模型 半监督学习 人脸识别
【学位授予单位】：吉林农业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要3-4
• ABSTRACT4-7
• 第1章 绪论7-11
• 1.1 研究背景及意义7-8
• 1.2 国内外研究现状8-9
• 1.3 主要研究内容与组织结构9-11
• 第2章 相关算法与模型介绍11-20
• 2.1 稀疏表示11-14
• 2.2 基于稀疏表示的构图14-15
• 2.3 人脸特征提取理论基础-小波变换15-16
• 2.4 基于图嵌入的降维模型16-20
• 第3章 基于稀疏表示的图嵌入降维算法在人脸识别中的研究20-31
• 3.1 基于小波变换的人脸特征的提取20-22
• 3.2 基于稀疏表示的图嵌入降维算法的研究22-27
• 3.3 基于稀疏表示的图嵌入降维算法的实现27-30
• 3.4 本章小结30-31
• 第4章 基于稀疏表示的图嵌入降维算法在人脸识别中的验证及应用31-48
• 4.1 算法验证基础31-34
• 4.2 验证的过程及结论分析34-44
• 4.3 算法在人脸识别中的应用44-47
• 4.4 本章小结47-48
• 第5章 总结及展望48-50
• 5.1 总结48-49
• 5.2 展望49-50
• 参考文献50-54
• 作者简介54-55
• 致谢55

，

本文编号：756943