学位论文 > 优秀研究生学位论文题录展示

分块SRC算法在遮挡人脸图像识别中的应用研究

作　者: 刘丹
导　师: 甘俊英
学　校: 五邑大学
专　业: 信号与信息处理
关键词: 遮挡人脸图像识别 Gabor+PCA和下采样字典 Homotopy和DALM算法 SRC算法 “投票”法单一子块法
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 31次
引　用: 0次
阅　读: 论文下载

内容摘要

自动人脸识别技术由于具有直接、自然、友好等特点,从上世纪六十年代开始,被广泛应用于公共安全、信息安全及金融等领域。然而,由于人脸图像非刚性,容易受各种内在和外在因素的影响,如年龄、表情、种族、性别、伪装、遮挡、光照、腐蚀、姿态变化等。因此,设计一种综合性能优良、能够有效消弱人脸识别各种因素干扰的算法是关键。稀疏表示分类(Sparse Representation Classification,SRC)是近年来提出的不同于传统算法的新型算法；对遮挡、腐蚀、光照等影响的图像识别效果表现良好,且当图像空间维数达到一定时,与采用的特征提取算法无关。本文详细论述了SRC算法及其改进的基于整个子图像块的“投票SRC"算法的优点和不足,并在此基础上提出了一种“投票SRC"算法的互补算法,也即基于单一特征子块算法。该算法虽然能够弥补运用“投票SRC"算法时,所有子块彼此不同而产生误识别的不足,但是若单独使用则又会产生“以偏概全”的局面。故在此基础上,本文又提出了一种融合“投票SRC”和单一特征子块SRC算法,该算法与上述“投票SRC”算法或单一特征子块算法比较,无论对未遮挡人脸图像还是眼镜和围巾类遮挡人脸图像,均表现最好。本文所做工作如下1.图像的分块处理。主要研究了两种分块处理方法：均匀分块和基于特征的分块。均匀分块是将人脸图像视为一个平面矩阵,而不论其特点如何(如高鼻梁、大眼睛等)。识别前,首先将某一训练图像的平面矩阵均匀分割成若干子块,每一子块用列向量表示,所有子块存贮成行向量,构成一个矩阵；然后再将所有分块后的训练图像构成一个大的矩阵。与此同时,测试图像分成相等的子块。基于特征的分块是根据“三庭五眼”准则,将人脸图像分为5个部分,即前额、左眼和左眉毛、右眼和右眉毛、鼻子及嘴巴和下颚。由于各子块像素大小不一,故各子训练矩阵单独用矩阵存贮。2.字典的构造。常见构造字典的方法为在线学习构造字典,即在识别过程中根据测试图像自适应选择最佳字典及静态构造字典,识别前,人为确定对识别效果最佳的字典。本文将只研究在线构造字典中的Gabor+PCA字典及静态构造字典中的基于统计学习PCA字典和非统计的下采样字典。3.l1-minimization的求解。常见稀疏优化算法有很多,其中经典的有,匹配追踪(Matching Pursuit,MP).基追踪(Basis Pursuit,BP)等。快速算法有,截断牛顿内点法(Truncated Newton Interior-Point Method, TNIPM)、迭代收缩阈值(Iterative Shrinkage-Threshokding,IST)法等等。由于经典算法运行速度较之快速算法慢,本文主要研究快速算法且只研究其中的两种：对偶增广拉格朗日乘子法(Dual Augmented Lagrange Multiplier, DALM)和同伦(Hotomopy)算法。4.判别准则的选取。本文探讨了三种基于分块后人脸图像子块进行人脸识别的准则,即基于整个图像子块的“投票SRC”、基于单一图像子块的SRC、基于整个图像和局部图像的融合判别方法。总的来说,本文主要探讨分块SRC算法在遮挡人脸图像识别中的应用,其实现过程包括图像分块处理、字典构造、稀疏优化算法的选择以及判别准则的确定等方面。基于实验室条件下的ORL、Yale人脸数据库用以确定字典的选择及稀疏优化算法的确定等问题；而基于现实环境中的AR人脸数据库则用来进行分块处理实验。实验结果表明：(1)图像均匀分块中,分块方式对识别性能有很大的影响;(2)不论是基于图像的均匀分块还是特征分块,融合整体图像和局部图像的方法较“投票SRC”或单一子块SRC算法,识别效果最佳。

全文目录

摘要  4-6
Abstract  6-8
目录  8-11
第一章绪论  11-16
  1.1 课题来源  11
  1.2 研究背景和研究意义  11-12
  1.3 国内外研究现状和难点分析  12-14
    1.3.1 特征提取方法发展现状  12-13
    1.3.2 遮挡问题研究现状  13-14
    1.3.3 遮挡人脸图像识别的难点  14
  1.4 论文的主要内容和结构安排  14-16
第二章稀疏表示相关内容  16-23
  2.1 引言  16
  2.2 稀疏表示理论  16-19
    2.2.1 稀疏表示的含义  16-17
    2.2.2 人脸图像的稀疏表示  17-18
    2.2.3 图像稀疏表示结构框图  18-19
    2.2.4 图像稀疏表示的特点  19
  2.3 稀疏优化算法  19-22
    2.3.1 DALM算法  20-21
    2.3.2 Homotopy算法  21-22
  2.4 本章小结  22-23
第三章普适性字典探究  23-34
  3.1 引言  23
  3.2 字典的构造  23-27
    3.2.1 Gabor+PCA字典  24-26
    3.2.2 PCA字典  26
    3.2.3 下采样字典  26-27
  3.3 实验结果与分析  27-33
    3.3.1 Yale人脸库  27-30
    3.3.2 ORL人脸库  30-33
    3.3.3 结果分析  33
  3.4 本章小结  33-34
第四章均匀分块SRC算法在遮挡人脸图像中的应用  34-42
  4.1 引言  34
  4.2 基于人脸图像的均匀分块  34-35
  4.3 稀疏判别准则  35-36
  4.4 实验结果及分析  36-41
    4.4.1 不同像素大小下识别性能比较  37
    4.4.2 未遮挡人脸图像识别性能比较  37-38
    4.4.3 遮挡人脸图像识别性能比较  38-40
    4.4.4 不同分块策略下识别性能比较  40-41
  4.5 本章小结  41-42
第五章改进分块SRC算法在遮挡人脸图像中的应用  42-49
  5.1 引言  42
  5.2 稀疏判别准则  42-45
    5.2.1 基于部分图像的判别准则  42-43
    5.2.2 基于整体和局部图像的判别准则  43-45
  5.3 人脸图像特征分块  45
  5.4. 实验结果与分析  45-48
    5.4.1 未遮挡人脸图像探究  46-47
    5.4.2 遮挡人脸图像探究  47-48
  5.5 本章小结  48-49
第六章总结与展望  49-51
  6.1 总结  49-50
  6.2 展望  50-51
参考文献  51-57
攻读硕士期间成果  57-58
致谢  58

分块SRC算法在遮挡人脸图像识别中的应用研究

内容摘要

全文目录

相似论文