基于压缩感知理论的人脸识别方法研究

摘要

人脸识别是模式识别和机器视觉领域中的一项重要技术,其主要任务是从人脸图像中获取有效信息,然后把人脸样品划分为一些类别,利用这些类别进行身份识别。在这个过程中,特征提取是最为关键的环节,一个好的人脸特征提取方法具有以下有点:可以简化识别过程中分类器的设计;还可以提高识别人脸的性能。
　　压缩感知是一种新的信号采样与压缩理论,很多专家学者将其应用于人脸识别问题,取得了丰硕的成果。其中最为经典的是稀疏表示人脸识别算法(Sparse Representation–based Classification,简称SRC算法)。本文在SRC算法的基础上进行了改进,取得了较好的实验结果。本文所做工作及取得的成果如下:
　　1、介绍现有的特征提取和分类算法,其中人的面部特征提取方法有两种;此外,还介绍了压缩感知理论以及最为经典的人脸识别算法。
　　2、提出一种基于主成分分析和压缩感知的人脸识别算法(PSL0)。该算法首先利用主元分析对图像数据进行降维,然后用基于平滑l0范数快速稀疏表示(SL0)算法求解l0范数最小化问题,以得到一组最优系数重构各类图像,计算测试图像与各类重构图像的残差进行分类识别。实验结果表明,该算法在同类算法中获得了较高的人脸识别率及较好的重建效果。
　　3、提出一种基于子空间和压缩感知信号重建的ISL0算法。其思想是用一个光滑函数来近似压缩感知中求解的l0范数极小化问题,利用修正牛顿算法在子空间上求解优化问题,并利用子空间表示的方法约束迭代算法的搜索范围,提高算法效率。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 选题背景及其研究意义

1.2 国内外相关研究概况

1.3 人脸识别算法介绍

1.4 人脸识别常用数据库

1.5 本文的研究内容及章节安排

第二章 特征提取和分类算法

2.1 引言

2.2 特征提取算法

2.3 分类识别方法

2.4 本章小结

第三章 压缩感知理论简介

3.1 压缩感知介绍

3.2 压缩感知人脸识别算法

3.3 本章总结

第四章 基于主元分析和压缩感知的人脸识别方法

4.1 PSL0算法

4.2 模拟实验与分析

4.3 本章小结

第五章 基于子空间和压缩感知信号重建的ISL0算法

5.1 ISL0算法

5.2 实验结果及分析

5.3 本章小结

第六章 结束语

6.1 本文总结

6.2 研究展望

致谢

参考文献