基于判别字典学习的人脸识别算法

发布时间：2021-08-29 15:44

　　人脸是人类在日常交流中用于传达身份和表达情感最关键的生物特征。随着计算机技术的迅猛发展,人脸识别技术凭借其非接触性、非侵入性和高准确性等优势,逐步成为计算机视觉以及生物识别领域最重要的研究方向,在安防、监控、娱乐等诸多领域具备广泛的应用前景。稀疏表示和字典学习理论自2009年以来得到了迅猛发展,并依靠其良好的泛化能力和对遮挡等因素的鲁棒性逐渐成为研究的热点,在图像分类、图像去噪、生物识别等领域有广泛应用。因此,深入研究基于字典学习的人脸识别算法,提高其判别能力和泛化能力,获得更好的分类效果,不仅具备极高的科研意义,还具备了非常重要的现实意义。本文基于现有的用于分类的字典学习算法,提出了两种新颖的判别字典学习算法,并将其应用于人脸识别中。将提出的字典学习算法在多种真实的数据集上进行验证,实验结果表明本文提出的算法具备很好的鲁棒性和分类性能,并且优于许多现有的人脸识别算法。本文的具体工作说明如下:首先我们提出了一种应用于人脸识别的判别字典学习算法,结合训练样本的标签信息学习一个过完备字典,它由所有类别都会使用的共享原子和部分类别使用的特定原子组成。为了提高字典的判别能力和分类的准确性,我们... 

【文章来源】：南京邮电大学江苏省

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

不同表情、角度、光照、遮挡下的人脸图像

论基础是基于分类的稀疏表示和字典学习算法，尤其是其在人脸容主要是介绍本论文研究所涉及的相关理论和方法。重点介绍了及求解方法，基于稀疏表示分类的人脸识别，非监督字典学习算普拉斯矩阵的概念以及拉普拉斯特征映射。示理论年来，线性表示方法（LRBM）[21][22]得到了学术界的广泛研究与表示方法中最具代表性的一种，并且在诸多应用领域中都是的强噪[23]、图像去模糊[24]、图像分类[25]、生物识别等。信号稀疏表示备字典中的原子的线性组合来寻找信号最简洁的表示方式，从而含的信息。由于稀疏表示在处理该问题方面显示出巨大的潜在能界非常引人关注的研究方向。如图 2.1 是稀疏表示理论的应用场

南京邮电大学专业学位硕士研究生学位论文 第二章 稀疏表示与字典学习理论 ‖ ‖ （2.23）要求出最优的 和 ，不能直接利用 进行求解，否则求得的新的 不稀疏。这是一个最小二乘问题，可以利用最小二乘的方法或者 SVD 进行求解。

【参考文献】：
期刊论文
[1]基于近似l0范数的稀疏信号重构[J]. 聂栋栋,弓耀玲.  计算机研究与发展. 2018(05)
[2]基于深度字典和稀疏表示的图像分类[J]. 纪念,左登,曹燕,唐彪.  无线通信技术. 2017(04)
[3]快速稀疏表示分类的人脸识别算法[J]. 范自柱.  计算机工程与应用. 2017(09)
[4]基于迭代重赋权最小二乘算法的块稀疏压缩感知[J]. 王文东,王尧,王建军.  电子学报. 2015(05)
[5]字典学习模型、算法及其应用研究进展[J]. 练秋生,石保顺,陈书贞.  自动化学报. 2015(02)
[6]基于稀疏表示的遮挡人脸表情识别方法[J]. 朱明旱,李树涛,叶华.  模式识别与人工智能. 2014(08)
[7]图像去模糊的l0范数最小化方法[J]. 王爱齐,邱天爽,刘文红.  信号处理. 2012(11)
[8]压缩感知研究[J]. 戴琼海,付长军,季向阳.  计算机学报. 2011(03)
[9]基于稀疏表示的人脸识别方法[J]. 杨荣根,任明武,杨静宇.  计算机科学. 2010(09)
[10]一种基于超完备字典学习的图像去噪方法[J]. 蔡泽民,赖剑煌.  电子学报. 2009(02)



本文编号：3370927