学位论文 > 优秀研究生学位论文题录展示
基于偏最小二乘的人脸识别算法研究
作 者: 步文斌
导 师: 杨丹
学 校: 重庆大学
专 业: 应用数学
关键词: 人脸识别 非负性 稀疏表示 二维非负稀疏偏最小二乘
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 1次
引 用: 0次
阅 读: 论文下载
内容摘要
随着科技的不断发展,人脸识别已经成为一种重要的生物识别手段。在人脸识别领域,由于人脸图像的维数相当高,直接在原图上进行处理,将加大算法的复杂度,并且对计算机的硬件性能也是一个挑战,因此如何抽取有效的鉴别特征是解决该类问题的关键。本文所研究内容就是特征提取算法中的子空间统计算法。子空间统计算法因将优秀的统计降维算法应用到人脸识别领域得到良好的效果而表现出旺盛的生命力。偏最小二乘作为一种多元统计算法近年来在人脸识别中得到了广泛应用,但是相比其他算法仍有不足之处,如所得投影方向的非负性和稀疏性都不高。本文就偏最小二乘算法的理论进行了研究,针对偏最小二乘算法的不足,从非负性和稀疏性两个方面对其二维算法二维偏最小二乘进行改进。主要研究工作如下:1、传统的基于统计的子空间统计的人脸识别算法如主成分分析,通过学习只能得到一系列特征脸,忽略了人脸识别中重要的局部信息(如眼睛、鼻子)。而利用到类别信息的算法如线性判别分析,也会因为小样本问题而有所影响。为了解决小样本问题,本文结合二维偏最小二乘与非负矩阵分解的非负性思想提出二维非负偏最小二乘(Two-dimensional Nonnegative Partial Least Squares,2DNPLS)算法。其核心思想是在提取人脸特征时加入了非负性约束,使得2DNPLS不仅拥有偏最小二乘算法加入类别信息带来的分类效果,还保留了图像矩阵的内部结构信息,而且还使得到的基矩阵具有非负的局部的可解释性。在ORL,Yale人脸库中的实验表明,该算法从时间上和识别率上均优于人脸识别的主流算法。2、偏最小二乘PLS算法在处理有噪声及图片遮挡等问题时效果不佳。研究表明:噪声项等通过对投影方向的迭代进入了算法中,可以通过控制投影方向的稀疏性有效地解决这个问题。因此为了改进本文所提出的2DNPLS算法提高其鲁棒性,通过对2DNPLS中的投影方向增加稀疏性约束,提出二维非负稀疏偏最小二乘(Two-dimensional Nonnegative Sparse Partial Least Squares,2DNSPLS)算法。实验表明该算法对于遮挡情况具有较好的鲁棒性,并且识别率优于其他算法。
|
全文目录
摘要 3-4 ABSTRACT 4-8 1 绪论 8-16 1.1 本文的研究背景和人脸识别所面临问题 8-9 1.2 人脸识别系统 9-10 1.3 人脸识别算法概述 10-13 1.3.1 基于特征的算法 10-11 1.3.2 基于整体的算法 11-13 1.4 本文研究内容及拟解决的关键问题 13-14 1.5 本文组织结构安排 14-16 2 常用人脸识别算法介绍 16-20 2.1 主成分分析在人脸识别中的应用 16-17 2.2 线性判别分析在人脸识别中的应用 17-18 2.3 二维主成分分析在人脸识别中的应用 18-19 2.4 本章小结 19-20 3 二维非负偏最小二乘算法在人脸识别中的应用 20-32 3.1 引言 20-21 3.2 PLS 及 2DPLS 在人脸识别中的应用 21-23 3.2.1 PLS 21-22 3.2.2 2DPLS 22-23 3.3 非负矩阵分解的思想 23-24 3.4 二维非负偏最小二乘算法 24-25 3.4.1 基于 2DNPLS 的特征提取 24-25 3.4.2 2DNPLS 的算法实现步骤 25 3.5 收敛性证明 25-27 3.6 实验结果及分析 27-31 3.6.1 ORL 人脸库上的实验 27-29 3.6.2 Yale 人脸库上的实验 29-30 3.6.3 基于 2DNPLS 的图像重建 30-31 3.7 本章小结 31-32 4 二维非负稀疏偏最小二乘算法在人脸识别中的应用 32-47 4.1 引言 32-33 4.2 稀疏性在人脸识别中的应用 33-36 4.2.1 人脸的稀疏表示 33-34 4.2.2 处理微小稠密噪声 34 4.2.3 处理遮挡问题 34 4.2.4 几何解释 34-36 4.2.5 稀疏表示问题的求解 36 4.3 二维非负稀疏偏最小二乘算法 36-38 4.3.1 稀疏偏最小二乘 36-37 4.3.2 2DNSPLS 37-38 4.3.3 2DNSPLS 的算法实现步骤 38 4.4 收敛性分析 38-39 4.5 实验结果及分析 39-45 4.5.1 PIE 人脸库上的实验 39-41 4.5.2 遮挡情况下的人脸识别 41-45 4.6 本章小结 45-47 5 结论与展望 47-49 5.1 本文总结 47 5.2 后续研究工作展望 47-49 致谢 49-50 参考文献 50-55 附录 55 A. 作者在攻读学位期间发表的论文目录 55 B. 作者在攻读硕士学位期间参与的项目目录 55
|
相似论文
- 2D人脸模板保护算法研究,TP391.41
- 语音信号的压缩感知研究及其在语音编码中的应用,TN912.3
- 基于加权投票和关键帧提取的视频流人脸识别方法研究,TP391.41
- 基于差分演化的人脸识别方法研究,TP391.41
- 基于分类器融合的人脸识别研究,TP391.41
- 基于子模式的局部保留映射的人脸识别方法研究,TP391.41
- 基于稀疏表示的人脸识别算法研究,TP391.41
- 基于局部优化投影的人脸识别方法研究,TP391.41
- 基于动态模糊关系的深层结构学习算法研究,TP181
- 三维人脸识别系统研究,TP391.41
- 基于仿生模式识别的三维人脸识别研究,TP391.41
- 鲁棒流形学习算法研究,TP391.41
- 基于U型脸模型及遗传算法的人脸识别技术研究,TP391.41
- 人脸分形特征提取与识别算法研究,TP391.41
- 基于流形学习的人脸识别算法研究,TP391.41
- 基于伪Zernike矩和BP网络的人脸识别算法研究,TP391.41
- 人脸识别系统中关键技术研究,TP391.41
- 基于神经树的人脸识别方法研究,TP391.41
- 鉴别性流形学习在人脸识别中的研究应用,TP391.41
- 基于AdaBoost算法的人脸识别研究,TP391.41
- 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|