基于低秩恢复与深度神经网络人脸识别算法的研究

发布时间：2017-08-18 17:42

  本文关键词：基于低秩恢复与深度神经网络人脸识别算法的研究

  更多相关文章： 人脸识别 低秩恢复 神经网络 深度学习

【摘要】：人脸识别问题是模式识别中的一个研究热点,人脸识别因为其便利性被广泛应用于身份认证,破案侦查等对安全性要求较高的场所。人脸识别算法从最初的简单条件下的识别,发展到多因素复杂条件下的识别。多因素人脸识别中光照,人脸旋转,人脸遮挡,噪声污染,皮肤颜色及种族因素等都是在人脸识别中要考虑的因素。复杂条件下的人脸识别问题仍然是人脸识别领域内的一个难点。本文针对以下问题进行了研究,并且给出了解决方法。(1)针对小波阈值去噪会引入量化噪声和阈值选取不当会损坏图像边缘信息的问题,本文在小波阈值去噪的基础上融合了低秩矩阵恢复算法,提出一种融合小波变换与低秩矩阵恢复的图像去噪算法,实验结果表明本文提出的去噪算法比单一小波阈值去噪算法有更好的去噪效果,改进了算法性能。(2)本文针对采集人脸图像时会有过度曝光,阴影和噪声干扰的问题。本文将低秩矩阵恢复算法应用在人脸图像预处理阶中。实验结果表明,经过低秩矩阵恢复算法处理的人脸图像有效的改善了曝光,阴影,干扰等因素的影响,改善了人脸图像的成像质量,为后续提取高质量的人脸特征奠定了基础。(3)针对线性降维方法与浅层神经网络提取人脸特征鲁棒性不佳的问题。本文将低结合低秩矩阵恢复算法与深度神经网络算法有效的解决了这个问题。在YALE,ORL,AR人脸库上,通过设置不同的网络节点数与网络迭代次数,选取不同的训练样本数进行实验。在人脸数据库上的实验结果表明,本文算法比线性降维与浅层神经网络算法有更高的识别率和更好的稳定性。
【关键词】：人脸识别 低秩恢复 神经网络 深度学习
【学位授予单位】：江西理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP183
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 绪论8-19
• 1.1 课题研究的背景与意义8-12
• 1.1.1 生物识别技术的发展8-10
• 1.1.2 人脸识别简介10-12
• 1.2 人脸识别研究的动态12-16
• 1.2.1 人脸识别系统组成12-14
• 1.2.2 人脸识别技术的发展14-16
• 1.3 深度神经网络简介16-17
• 1.4 本文所做的工作17-18
• 1.5 本章小结18-19
• 第二章 人脸识别中的常用算法19-28
• 2.1 PCA算法的介绍及其在人脸识别中的应用19-24
• 2.1.1 PCA简介19
• 2.1.2 PCA的数学模型19-20
• 2.1.3 主成分的几何上的解释20-21
• 2.1.4 PCA算法的分析和推导过程21-23
• 2.1.5 PCA方法在人脸识别中的应用23-24
• 2.2 SVM方法的介绍及在人脸识别中的应用24-27
• 2.2.1 SVM简介24
• 2.2.2 SVM算法分析及推导过程24-27
• 2.3 本章小节27-28
• 第三章 融合小波变换与低秩矩阵恢复的图像去噪算法28-36
• 3.1 小波阈值去噪算法28-29
• 3.1.1 小波阈值去噪算法原理28-29
• 3.1.2 基于阈值的小波去噪算法的缺点29
• 3.2 融合小波变换与低秩矩阵恢复的图像去噪算法29-32
• 3.2.1 算法思想29
• 3.2.2 低秩矩阵恢复算法29-32
• 3.2.3 融合小波变换与低秩矩阵恢复的图像去噪算法流程32
• 3.3 实验分析32-35
• 3.4 本章小节35-36
• 第四章 基于低秩恢复与深度神经网络的人脸识别算法36-49
• 4.1 LRMR算法在人脸图像预处理中的应用36-38
• 4.2 CSLBP纹理介绍38-39
• 4.3 基于低秩恢复与深度神经网络的人脸识别算法39-45
• 4.3.1 常用深度网络模型介绍40-44
• 4.3.2 Softmax回归模型44-45
• 4.3.4 本文算法流程45
• 4.4 实验分析45-48
• 4.5 本章小节48-49
• 第五章 总结展望49-50
• 5.1 研究总结49
• 5.2 技术展望49-50
• 参考文献50-53
• 致谢53-54
• 攻读学位期间的研究成果54-55

【相似文献】

中国期刊全文数据库 前10条

1 王李冬;;一种新的人脸识别算法[J];计算机技术与发展;2009年05期

2 桂荣;沈荣鑫;詹泳;;基于模糊神经推理的人脸识别算法研究[J];华南师范大学学报(自然科学版);2012年04期

3 苏士美;王燕;王明霞;;基于加权小波分解的人脸识别算法研究[J];郑州大学学报(工学版);2014年01期

4 魏冬梅;周卫东;;采用压缩感知的人脸识别算法[J];计算机工程;2011年18期

5 陈皓;霍星;;视频监控中人脸识别算法稳定性的改进[J];工程图学学报;2011年06期

6 李美瑾;;人脸识别算法综述与远程考试系统应用研究[J];广西广播电视大学学报;2012年01期

7 盛朝强;王君;;煤矿井下人员签到系统人脸识别算法研究[J];计算机技术与发展;2012年07期

8 朱学毅;王崇骏;周新民;张W，

本文编号：695897