基于LDA和CRC的单样本人脸识别算法研究

摘要

人脸识别是图像处理、计算机视觉、模式识别等领域研究的热点话题，近些年研究学者提出了许多的经典算法，并广泛应用于公共安全，视频监控。线性判别分析（LDA）和稀疏表示（SRC）是两种经典的人脸识别方法，能有效的提高人脸识别的识别率，然而，考虑到样本存储问题和样本获取难度问题，在一些特殊的识别情况下，如身份证、护照、驾驶证等识别问题，一些通用的人脸识别方法不能直接用，需要设计出一种识别算法，能够有效地从单个的训练样本提取不同个体的本质性鉴别特征。
　　本研究主要内容包括：⑴介绍了基于线性判别分析和稀疏表示人脸识别方法的基本原理，针对它们在人脸识别中存在的一些缺点，介绍了几种改进的方法，在公共人脸数据库上仿真实验分析它们的优缺点，为以后单样本人脸识别算法奠定理论基础。⑵针对在单样本人脸识别问题中，由于每一类的训练样本只包含一个，用线性判别分析方法时类内散度矩阵为零的问题，本文基于奇异值分解原理提出了一种新的虚拟样本构造方法，该方法自适应的选择基图像的数重构图像，并结合了原始图像构造虚拟样本。同时，人脸的局部特征也包含重要的鉴别信息，所以把每个样本分成重叠的块，把这些块当成独立的样本个体进行特征提取和分类，最终测试样本的识别结果是这些块样本分类结果的最大投票。在四组人脸数据库上验证了本文提出方法的有效性。⑶针对稀疏表示算法计算复杂度高，用于单样本人脸识别时识别率低等问题，本文研究了基于协同表示图像分块的单样本人脸识别算法，该算法对样本进行分块，构造块字典，对测试样本的块进行协同表示得到块识别结果。同时，对于不同的人脸数据库，固定的块大小会丢失一些局部信息的问题，导致识别率低下，本文提出了变换尺度块的单样本人脸识别算法，根据不同的人脸图像，选择合适大小的块，在公共的人脸数据库上进行仿真实验，实验结果验证了本文提出方法的有效性。

目录

声明

插图索引

表格索引

符号对照表

缩略语对照表

第一章 绪论

1.1研究背景及意义

1.2 国内外研究现状

1.3 论文的主要工作

1.4 本文的结构安排

第二章 基于LDA和SRC的人脸识别算法

2.1 引言

2.2 基于LDA的人脸识别方法

2.3基于SRC的人脸识别算法

2.4 本章小结

第三章 虚拟样本生成准则的单样本人脸识别算法

3.1 引言

3.2 虚拟样本生成法

3.3 自适应虚拟样本生成法的单样本人脸识别

3.4 实验结果与分析

3.5 本章小结

第四章 基于协同表示的单样本人脸识别算法

4.1 引言

4.2 基于CRC图像分块的单样本人脸识别

4.3 基于CRC的变化尺度块单样本人脸识别

4.4 实验结果与分析

4.5 本章小结

第五章 总结与展望

5.1 全文总结

5.2 未来展望

参考文献

致谢

作者简介