首页> 中文学位 >Lp范数约束的广义主成分分析在人脸识别中的应用
【6h】

Lp范数约束的广义主成分分析在人脸识别中的应用

代理获取

目录

封面

声明

致谢

中文摘要

英文摘要

目录

1 绪论

1.1人脸识别的概念与研究意义( Concept and Research Significance of Face Recognition)

1.2 人脸识别国内外研究现状(Face Recognition Research Status)

1.3 论文的主要内容和安排(The Main Content of the Paper and Arrangement)

2 基于Lp范数约束的PCA特征提取算法

2.1 引言(Introduction)

2.2 主成分分析(PCA)

2.3 基于 Lp 范数约束下的最大化 L1 范数主成分分析(Lp-PCA-L1)

2.4 基于Lp范数约束的PCA特征提取算法(Feature Extraction Algorithm of PCA With Lp-norm Constraints)

2.5 实验与分析(Experiments and Analysis)

2.6小结(Summary)

3 基于Lp范数约束的(2D)2PCA特征提取算法

3.1 引言(Introduction)

3.2 (2D)2PCA-L1((2D)2PCA-L1)

3.3 (2D)2PCA-Lp算法((2D)2PCA-Lp)

3.4 分类方法与图像重建( Classification Method and Image Reconstruction)

3.5 实验与分析(Experiments and Analysis)

3.6 小结(Summary)

4 基于 Lp 范数的样本对加权的(2D)2PCA 特征提取算法

4.1 引言(Introduction)

4.2 相关工作(Related Work)

4.3 基于 Lp 范数约束的样本对加权的(2D)2PCA 算法(Sample Weighted Method Based on Lp Norm Constraints of (2D)2PCA for Face Recognition)

4.4 图像重建(Image Reconstruction)

4.5 实验与分析(Experiments and Analysis)

4.6小结(Summary)

5 人脸识别系统的设计与实现

5.1 系统概述(Introduction of System)

5.2 系统平台(Platform of System)

5.3 系统结构(Structure of System)

5.4系统界面 (System Interface)

5.5 本章小结(Summary)

6 总结与展望

6.1 主要研究成果(Summary)

6.2 研究展望(Future Work)

参考文献

作者简历

学位论文数据集

展开▼

摘要

作为一项基于人的脸部特征的一种生物识别技术,人脸识别已经成为当前人工智能领域的一个主要研究热点。特征提取研究如何有效地从人脸图像中去除冗余信息并提取主要特征,是人脸识别过程中的关键。其中,主成分分析(PCA)是特征提取中最为经典的技术,但是并不能有效的克服人脸表情、光照变化、遮挡等因素的影响,目前PCA和已有的相关改进算法在上述因素影响下并不能取得有效的特征。本文对PCA、二维主成分分析以及双向二维主成分分析等方法进行深入研究,并在此基础上提出几个改进算法来提高特征提取的性能。
  本研究主要内容包括:⑴针对目前基于PCA的特征提取算法容易受到样本均值影响的问题,提出一种基于 Lp范数约束的新方法(Lp-RM-PCA)。该方法能避免样本均值对优化模型的影响。同时,一种迭代算法被用来求解该模型并且取得局部最优解,当参数p接近1时,可以得到稀疏的向量。实验证明了这种方法相比以前方法的性能改善1%-3%。⑵针对2DPCA方法对异常值敏感且得不到稀疏向量的问题,提出一种基于L1范数且受Lp范数约束的(2D)2PCA方法((2D)2PCA-Lp)。当p接近1时,可以得到稀疏解。通过迭代算法可以求解该模型并且取得局部最优解。通过在 Yale、NUYUMIST以及 ORL三个人脸数据库上的实验表明该方法相比以前方法在处理污染数据时十分有效。⑶针对基于L1范数的双向二维主成分分析算法容易受到样本均值影响,提出一种新的优化模型(Lp-RM(2D)2PCA)并用迭代算法对其进行求解。该模型不仅能有效避免样本均值的影响,而且采用高斯函数对样本对进行加权,通过控制模型的参数p求取稀疏的最优投影向量,可以在一定程度上减弱部分遮挡对人脸识别的影响。在NYU_UMIST、Yale和ORL人脸数据库上的实验表明,与同类算法相比,性能提高1%-4%。⑷设计并实现了人脸识别原型系统。将改进后的算法嵌入到了人脸识别原型系统中,同时提供了良好的可视化效果以及可操作性。可以很好的呈现出人脸识别结果。通过实验表明本文提出的Lp-RM-PCA,(2D)2PCA-Lp和Lp-RM(2D)2PCA算法在人脸图像包含异常值的条件下,比以往的算法具有更好的稳定性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号