学位论文 > 优秀研究生学位论文题录展示
从传统到计算成像的识别研究
作 者: 康健
导 师: 韦穗
学 校: 安徽大学
专 业: 信号与信息处理
关键词: 传统识别 计算成像 人脸识别 表情识别 性别识别 轮廓监测识别系统
分类号: TP391.41
类 型: 硕士论文
年 份: 2014年
下 载: 1次
引 用: 0次
阅 读: 论文下载
内容摘要
模式识别是使计算机自动寻找蕴含在各种图像、数据或是思维方式中的规律,并利用此规律进行建模,达到对同类物体的辨别和分类目的。模式识别在生物学、医学和国防等各个领域都占据着举足轻重的作用,对其进行研究具有重要的意义。模式识别系统的目标是将一个输入模式分类到一个特定的类别中。传统识别一般主要研究两部分:(1)分析(也称描述),即提取所研究模式的特征;(2)分类(也称识别),即通过第一部分得到的特征,使系统操作者认识这个模式(或是物体)。分析部分是整个传统识别的核心。所以,本文首先围绕怎样提取有效的原始物空间的特征表示,研究了各种比较流行的算法,在表情库上进行了实验分析与比较。但是,不难发现,上述的算法是将模式的成像与识别分开研究,局限在首先进行物空间的冗余重构表示,然后再进行后续的图像处理,这样不可避免的带来了资源的浪费。在本文的后半部分研究了基于计算成像的识别,所谓“计算”,就是将成像系统与后置的特征提取计算步骤看成一个整体,设计一种新型的成像系统——“计算成像”,使得成像系统的目的不再是满足人们的视觉要求而是提供满足智能应用所必须的鲁棒和智能功能,实现“从3D到信息”的跨越。论文的主要工作及创新性为:1.系统的研究了目前传统识别中比较流行的特征提取算法、特征降维算法,将各种算法的优点相结合,组成了对于特定的表情识别较好的算法:Gabor小波+局部特征提取+核通用矢量判别(Kernal Discrimination Common Vector, KDCV)+支持向量机(Support Vector Machine, SVM)。2.在实验室资金与技术支持下,与实验室成员合作完成了人脸识别系统,连续三年参加了由台湾由田公司主办的人脸识别比赛,并且获得了较好的成绩。3.在计算成像识别方法的新框架下,研究该方法在人脸识别、表情识别和性别识别上的应用,并进行仿真实验,实验的结果证明了所研究方法的有效性。4.给出了一个基于计算成像思想的轮廓监测识别系统,该系统通过红外激光主动的提取目标的轮廓信息,然后根据轮廓信息进行分类识别,有效的减少了资源的浪费,该系统已经获得了软件专利。
|
全文目录
摘要 3-5 Abstract 5-9 第一章 绪论 9-14 1.1 论文研究背景及意义 9-10 1.2 国内外研究现状 10-12 1.3 论文研究内容及创新点 12 1.4 论文结构 12-14 第二章 传统模式识别方法研究 14-37 2.1 特征提取方法介绍 14-23 2.1.1 局部二值模型 14-17 2.1.2 局部方向模型 17-19 2.1.3 局部方向数模型 19-20 2.1.4 多尺度小波变换 20-23 2.2 特征降维方法介绍 23-30 2.2.1 主成分分析 23-24 2.2.2 线性判别分析 24-25 2.2.3 通用矢量判别 25-27 2.2.4 核通用矢量判别 27-30 2.3 分类方法介绍 30-37 2.3.1 最近邻分类 31 2.3.2 支持向量机分类 31-37 第三章 传统模式识别实验及分析 37-45 3.1 JAFFE表情库和Cohn-Kanade表情库 37-38 3.2 实验分析比较 38-42 3.2.1 第一组对比实验 38-39 3.2.2 第二组对比实验 39-41 3.2.3 第三组对比实验 41 3.2.4 实验总结 41-42 3.3 人脸识别系统 42-43 3.4 小结 43-45 第四章 计算成像系统用于模式识别 45-56 4.1 计算成像原理 45-50 4.2 计算成像用于人脸识别 50-52 4.3 计算成像用于表情识别 52-53 4.4 计算成像用于性别识别 53-55 4.5 小结 55-56 第五章 轮廓监测识别系统 56-63 5.1 轮廓监测识别系统原理 56-59 5.2 轮廓监测识别系统应用 59-62 5.3 小结 62-63 第六章 总结与展望 63-65 6.1 总结 63 6.2 展望 63-65 参考文献 65-69 致谢 69-70 攻读硕士期间发表论文和参与项目 70
|
相似论文
- 2D人脸模板保护算法研究,TP391.41
- 述情障碍个体对面部表情的识别及其注意偏向的实验研究,B849
- 小学生情绪表情识别特点及其与情绪词掌握量的关系研究,B844.2
- 基于差分演化的人脸识别方法研究,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
- 鲁棒流形学习算法研究,TP391.41
- 基于人脸表情识别的情感研究,TP391.41
- 基于非线性降维的人脸表情识别若干算法的研究,TP391.41
- 鉴别性流形学习在人脸识别中的研究应用,TP391.41
- 基于Range图像姿态调整算法的研究,TP391.41
- 基于MMTD的人脸识别方法研究,TP391.41
- 实用近红外人脸识别方法研究,TP391.41
- 基于双核架构的嵌入式人脸识别系统,TP391.41
- 基于人脸识别的图像美化系统设计与实现,TP391.41
- 基于特征融合的人脸识别算法研究,TP391.41
- 基于小波变换和线性子空间的人脸识别技术研究,TP391.41
- 可变光照和遮挡条件下的人脸识别技术研究及其应用,TP391.41
- 基于稀疏表示的人脸图像识别方法研究,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
|