学位论文 > 优秀研究生学位论文题录展示
基于半监督流形学习的人脸识别算法研究
作 者: 汪炼
导 师: 王年;梁栋
学 校: 安徽大学
专 业: 信号与信息处理
关键词: 人脸识别 流形学习 半监督学习 无监督判别投影 邻域保
分类号: TP391.41
类 型: 硕士论文
年 份: 2010年
下 载: 216次
引 用: 1次
阅 读: 论文下载
内容摘要
作为极具应用价值的生物特征识别技术,人脸识别有着无接触、快速及安全等优势,其也一直是模式识别的研究热点。但人脸图像中表情、姿态、光照度等内外在因素皆多变,使得该研究至今仍颇具挑战性。近些年来,越来越多地研究成果表明,人脸可视成一个嵌于高维空间中的低维流形,而高维数据中存在着一些由内在低维变量作用形成的流形,倘若我们可以获得控制这些变化因素的内在变量,就能挖掘出高维观测数据集中的低维流形表征,从而使得观测空间的维数极大地降低,不仅避免了“维数灾难”,而且对于识别准确率的提高往往有较大帮助。本文以流形学习为基础,主要研究了人脸识别中特征提取的两种算法,通过实验验证了它们的有效性。其主要研究工作和成果如下:1、详细分析了局部切空间排列、等距映射、拉普拉斯特征映射及局部线性嵌入这四种流形学习算法目的、原理及求解过程,对时间复杂度进行了估算,以此归纳出流形学习算法的统一框架。2、讨论了维数约简、线性化流形学习、监督流形学习及半监督流形学习等流形学习在人脸识别应用中遇到的一些关键问题,揭示了它们的区别与联系。3、提出了一种基于无监督鉴别投影(Unsupervised Discriminant Projection,UDP)的半监督流形学习人脸识别算法。该算法采用图像欧式距离(Image Euclidean Distance, IMDB)来选择各样本点的K近邻,由此得到修改后无监督判别投影中的邻接矩阵,并在传统的无监督判别投影中,利用非参数鉴别分析(Nonparametric Discriminant Analysis, NDA)融入类别标签信息获得几何最优投影,最后将经此投影方向后提取出的人脸特征信息作为分类样本。通过在人脸库上的大量比较实验,验证了该方法的准确性和有效性。与此同时,计算每两幅图像间的距离时采用的图像欧式距离也由数学推导和比较实验验证了其能够更好地反映人脸图像之间的差异。4、提出了一种基于邻域保持投影方法(Neighborhood Preserving Projections,NPP)的半监督流形学习人脸识别算法。首先针对人脸识别采用图像欧式距离(IMDB)来选择各样本点的K近邻,由此调整邻域保持投影中的重构权值矩阵,然后通过非参数鉴别分析融入类标签信息获取几何最优投影向量,最后通过对多姿态人脸库应用K阶最近邻(k-Nearest Neighbor, KNN)分类器进行比较实验,验证了该算法对人脸图像进行分类,能够获得较高的分类识别率。
|
全文目录
摘要 3-5 Abstract 5-10 第一章 绪论 10-21 1.1 研究背景 10-12 1.2 流形学习 12-16 1.2.1 流形及流形学习的基本概念 12-13 1.2.2 流形学习的研究意义与应用现状 13-15 1.2.3 流形学习中存在的问题 15-16 1.3 人脸识别 16-19 1.3.1 人脸识别概述 16-18 1.3.2 人脸识别的关键问题及发展趋势 18-19 1.4 本文研究的主要内容和组织结构 19-21 第二章 流形学习算法研究 21-32 2.1 流形学习算法概述 21-22 2.2 几种经典的流形学习算法 22-30 2.2.1 等距映射Isomap(Isometric Feature Mapping) 23-24 2.2.2 局部线性嵌入LLE(Locally Lniear Embeddnig) 24-26 2.2.3 拉普拉斯特征映射LE(Laplacian Eignmap) 26-27 2.2.4 局部切空间排列LTSA(Local Tangent Space Alignment) 27-30 2.3 流形学习算法的统一框架 30 2.4 本章小结 30-32 2.4.1 研究的主要工作 30-31 2.4.2 研究的主要结论 31-32 第三章 面向分类的流形学习面临的问题 32-41 3.1 流形人脸理论 32-33 3.2 线性化流形学习问题 33-34 3.3 监督流形学习问题 34-36 3.4 半监督流形学习问题 36-40 3.4.1 半监督学习的原理 37 3.4.2 半监督学习算法归类 37-38 3.4.3 半监督流形学习及其在人脸识别中的应用 38-40 3.5 本章小结 40-41 3.5.1 研究的主要工作 40 3.5.2 研究的主要结论 40-41 第四章 基于UDP的半监督流形学习算法 41-61 4.1 无监督鉴别投影(UDP) 42-44 4.2 改进型UDP(MUDP) 44-49 4.2.1 近邻点的选择 44-48 4.2.2 改进后的UDP 48-49 4.3 半监督式MUDP(SS-MUDP) 49-60 4.3.1 监督信息的引入 51-55 4.3.2 算法思想及步骤 55-56 4.3.2 实验与分析 56-60 4.4 本章小结 60-61 4.4.1 研究的主要工作 60 4.4.2 研究的主要结论 60-61 第五章 基于NPP的半监督流形学习算法 61-73 5.1 邻域保持投影(NPP) 62-64 5.2 改进型NPP(MNPP) 64-65 5.3 半监督式MNPP(SS-MNPP) 65-71 5.3.1 算法思想及步骤 65-68 5.3.2 实验与分析 68-71 5.4 本章小结 71-73 5.4.1 研究的主要工作 71-72 5.4.2 研究的主要结论 72-73 第六章 总结与展望 73-76 6.1 论文总结 73-74 6.2 研究展望 74-76 参考文献 76-85 致谢 85-86 攻读硕士学位期间发表的论文及参加的科研项目 86-87
|
相似论文
- 基于流形学习的高维流场数据分类研究,V231.3
- 2D人脸模板保护算法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 基于流形学习的数据降维技术研究,TP311.13
- 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
- 基于神经树的人脸识别方法研究,TP391.41
- 基于AdaBoost算法的人脸识别研究,TP391.41
- 基于MMTD的人脸识别方法研究,TP391.41
- 领域知识指导的半监督学习和主动学习倾向性分类研究,TP181
- 基于学习的视频超分辨率重建算法研究及实现,TP391.41
- 分子三次、分母二次有理样条权函数神经网络研究及应用,TP183
- 基于脑电的情感识别,TP391.4
- 面向电力营销服务的客户身份自动识别系统设计,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
- 基于局部二元模式和韦伯局部描述符的人脸识别,TP391.41
- 基于半监督哈希算法的图像检索方法研究,TP391.41
- 基于稀疏表达的人脸识别算法研究,TP391.41
- 彩色人脸检测与识别研究,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
|