多特征融合的图像识别方法研究

发布时间：2021-03-27 10:12

　　人脸识别技术是关于图像识别技术的一个非常活跃的研究领域,它包含了数字图像处理、图像识别、计算机视觉、卷积神经网络、模式识别、数学等许多科技的内容。由于传统人脸识别特征提取方法过于简单,从而导致提取的人脸特征过于简单。为了克服特征提取的过于简单的问题,本文提出了一种多特征融合的算法是通过多层（Local Binary Patterns:LBP）+（fast Fourier transform:FFT）可以提取更为抽象和复杂的人脸特征,从而提高了系统的人脸识别率。此人脸识别系统在外界环境的影响下具有非常好的表现,不仅识别速度快,而且准确率也非常高。在公开的ORL、Yale和GT人脸库中,本文提出的多层LBP-FFT与LBP、FFT、（Local Binary Patterns:LBP）-（Histogram of oriented gradient:HOG）以及多层LBP-HOG相比,识别正确率提高了0.8%～41.5%。实验数据的结果表明,与现有的所有的人脸特征提取的方法相比较,多层LBP-FFT可以更好的提取出人脸的的特征。本文结合了基于深度学习理论和稀疏增强协同表示的分类器算法两种方... 

【文章来源】：哈尔滨理工大学黑龙江省

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

取得LBP编码的算流程图

哈尔滨理工大学工程硕士学位论文-11-nPnPcnxxRIIsLBPcc2)(10),(,(2-1)其中s(ξ)定义如公式(2-2)：0001)(s(2-2)人脸图像的LBP编码在不同光线变化条件下的结果如图2.2所示。此图像序列由左至右分别为原图、lightvalue=-70、contrastvalue=-100、gammavalue=2.0与gammavalue=0.4，选定的LBP描述子为[27]。从中所得到的LBP编码图像展示如图图2.3所示：图2.2不同(P,R)设置值下的LBP算子Fig.2.2LBPoperatorsunderdifferent(P,R)settingvalues图2.3在不同亮度条件下所得到的LBP图像Fig.2.3LBPimagesobtainedunderdifferentbrightnessconditions

哈尔滨理工大学工程硕士学位论文-11-nPnPcnxxRIIsLBPcc2)(10),(,(2-1)其中s(ξ)定义如公式(2-2)：0001)(s(2-2)人脸图像的LBP编码在不同光线变化条件下的结果如图2.2所示。此图像序列由左至右分别为原图、lightvalue=-70、contrastvalue=-100、gammavalue=2.0与gammavalue=0.4，选定的LBP描述子为[27]。从中所得到的LBP编码图像展示如图图2.3所示：图2.2不同(P,R)设置值下的LBP算子Fig.2.2LBPoperatorsunderdifferent(P,R)settingvalues图2.3在不同亮度条件下所得到的LBP图像Fig.2.3LBPimagesobtainedunderdifferentbrightnessconditions

【参考文献】：
期刊论文
[1]基于人脸识别的全景多维度作业现场管控的实验项目教学研究与应用[J]. 雷蕴.  福建电脑. 2018(12)
[2]基于特定环境的面部活体检测[J]. 李素梅,秦龙斌,胡佳洁.  华中科技大学学报(自然科学版). 2018(11)
[3]模式识别理论基础上的图像分割研究[J]. 张俊玲,赵林.  科技创新导报. 2014(19)
[4]基于加权累积和检验的加密流量盲识别算法[J]. 赵博,郭虹,刘勤让,邬江兴.  软件学报. 2013(06)
[5]一种基于机器学习的P2P网络流量识别方法[J]. 李致远,王汝传.  计算机研究与发展. 2011(12)
[6]基于2D-PCA和2D-LDA的人脸识别方法[J]. 温福喜,刘宏伟.  计算机应用研究. 2007(08)

硕士论文
[1]基于仿射变换的多姿态人脸矫正与识别[D]. 李海彦.苏州大学 2013



本文编号：3103331