資源描述：
《基于稀疏表示的人臉圖像識別方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、南京理工大學(xué)碩士學(xué)位論文基于稀疏表示的人臉圖像識別方法研究姓名：李立申請學(xué)位級別：碩士專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師：孫權(quán)森20120322碩士論文基于稀疏表示的人臉圖像識別方法研究摘要㈣㈣愀人臉識別是現(xiàn)代生物信息識別中的一項(xiàng)重要技術(shù)，對于給定的人臉圖像，利用已經(jīng)存儲(chǔ)的人臉數(shù)據(jù)庫確認(rèn)該圖像中的一個(gè)或多個(gè)人的身份?，F(xiàn)有的人臉識別方法大多需要進(jìn)行圖像預(yù)處理及復(fù)雜的特征提取，選擇何種特征對識別率影響非常大，并且對遮擋、噪聲等情況缺少魯棒性，這些問題往往使得現(xiàn)有的識別方法在應(yīng)用中受到制約。不同于傳統(tǒng)的人臉識別算法，稀疏表示由于具有識別率高、魯棒性強(qiáng)等優(yōu)勢受到越來越多研究者的關(guān)注。稀疏表示是壓
2、縮感知中的關(guān)鍵理論，數(shù)據(jù)的稀疏表示，可以從本質(zhì)上降低數(shù)據(jù)處理的成本，提高壓縮效率。稀疏表示用在分類識別上有獨(dú)特的優(yōu)勢，使得特征選擇不再是必要條件。本文所做工作及取得的成果如下：(1)對壓縮感知、稀疏表示理論進(jìn)行了研究，表明了最稀疏的表示具有自然的判別性，它會(huì)選擇最能緊密表示輸入信號的子集，拒絕其他不緊密表示的子集。因此使用稀疏表示進(jìn)行分類是可行的。(2)將稀疏表示的判別特性應(yīng)用于人臉識別中，使用訓(xùn)練集圖像作為超完備字典，將測試樣本描述為訓(xùn)練集的線性組合，提出了基于稀疏表示的人臉圖像識別方法，并結(jié)合了下采樣、Eige幽獄：s、Laplacian‰e、Fisherface、眥mf-ac
3、e多種特征提取方法，在擴(kuò)展Y礬eB及ORL人臉庫上進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明較傳統(tǒng)分類方法獲得了更高的識別率。(3)對于人臉識別魯棒性的提高做了多方面的改進(jìn)。在原有識別方法基礎(chǔ)上加入了有效性判別，并在原始模型中加入誤差項(xiàng)，使其能有效地減少遮擋與噪聲對識別率的影響。針對未配準(zhǔn)圖像低識別率問題，通過在原有模型中引入圖像變換參數(shù)進(jìn)行改進(jìn)，在自動(dòng)配準(zhǔn)的同時(shí)獲得較高的識別率。(4)利用向量總變差模型對細(xì)節(jié)具有的描繪能力，提出使用向量總變差替代最小，l范數(shù)進(jìn)行稀疏求解，彌補(bǔ)了最小，1范數(shù)本身定義的局限所帶來的精度問題，得到更精確的稀疏表示，從而得到更高的識別率。關(guān)鍵詞：人臉識別，壓縮感知，稀疏表示
4、，特征提取，總變差模型，魯棒性Abs咄t碩士論文AbstractF∞eR．cco鰣tionisco嬲idered勰孤importanttechnolog)rofmodembiolo西caliIlfomationrecogIlition．ForagiVenf．a(chǎn)ceiIllage，coIlfinnmeidenti夠oftheiIllagebyusiI唱廿le咖redfkeilllagedatabase．MostoftlleexsitiI馮f．a(chǎn)cerecog面tionm甜10dsneedcomplexiInagepreprocessing鋤dfeatureext嬲ion'tllech
5、oiCeoffeaturesh嬲agreate旋ct0nt11erecogmtionrate，鋤ditlaCl【srobuSta_boutoccl惦ionaIldco加叩tion．TheSep暫oblemso舭nmal【etlleexistingrecogmtionmemodsrestrictedinmeapplication．Wi廿l缸lv觚tageslikelligllrecog血tion船te鋤dstr0I培robusnless，Inore赳ldmoreresearchersta：keattentiononSparserepre∞ntion．Sparserepresentio
6、nismeiInponantmeo巧ofcompressiVesensing．SparSer印resentionofda：tacanreducetllecoStofdataprocessingsubs鋤ially，increausetllee髓ciencyofcoIIll)ression．SparSeRcpresentionh勰auIliqueadV鋤乜唱eillclassificatioIl，itmakesf．ean鵬selectionisn0longercritical．Thework0fthispaper躺嬲follows：(1)I沁searChⅡletlleo巧ofcomp
7、ressiveseIlsir培andSparSerepresention，anditindicatesnlatSparserepresemionhaSmlturaldisc面：11iI瓜io瑪itCtloo跎smemostcompactsubsetsoftllesi印alr印resentiom．Thl瑪，spar∞r(nóng)epresentionc鋤bellsedforclassification．(2)Usetlledisc而[Ilj【nationofsparSerepre
