資源描述：
《基于壓縮感知理論的人臉識別》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、FACERECOGNITIONBASEDONCOMPRESSEDSENSINGTHEORYAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:ElectronicandCommunicationEngineeringAuthor:TongJiaAdvisor:ProfessorFangJunSchool:NationalKeyLaboratoryofScienceandTechnologyonCommunications獨創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在
2、導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得電子科技大學(xué)或其它教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示謝意。簽名：日期：年月日論文使用授權(quán)本學(xué)位論文作者完全了解電子科技大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)電子科技大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位
3、論文。（保密的學(xué)位論文在解密后應(yīng)遵守此規(guī)定）簽名：導(dǎo)師簽名：日期：年月摘要摘要眾所周知，現(xiàn)在信號處理的基石是香農(nóng)采樣定律：要想完全無失真的從離散數(shù)字信號中恢復(fù)出原來的連續(xù)模擬信號，采樣速率必須大于兩倍的信號帶寬。但隨著電子技術(shù)的日新月異快速發(fā)展，尤其是在消費類的視頻音頻等多媒體電子產(chǎn)品，醫(yī)療成像儀器，雷達成像方面等等，信號的帶寬非常大。因此這種采樣速率大大超出了現(xiàn)代采樣系統(tǒng)的極限采樣速率，更進一步，現(xiàn)代的信號都有冗余性。這種傳統(tǒng)的先高速率采樣后壓縮的方式，大大浪費了資源。壓縮感知理論(CompressedSensingorCompressiveSensing,CS)
4、的出現(xiàn)，正好解決了上述的不利情況，突破了香農(nóng)-奈奎斯特采樣速率的限制。壓縮感知理論的原理是：對于那些可以稀疏表示或可壓縮表示的信號，通過遠遠少于香農(nóng)-奈奎斯特采樣定律規(guī)定的采樣數(shù)目的非自適應(yīng)采樣，再通過優(yōu)化的方法，就能完全恢復(fù)出信號。人臉識別(FaceRecognition,FR)技術(shù)是根據(jù)人的臉部的視覺信息而進行身份判定識別的技術(shù)。人臉識別技術(shù)已經(jīng)發(fā)展了三十多年，由于人臉識別相對于其他生物特征識別技術(shù)有著獨特的優(yōu)勢：非強制性、非接觸性和并發(fā)性。所以人臉識別技術(shù)在各個領(lǐng)域有著廣泛的應(yīng)用。但是由于人臉在不同的光照，不同的表情，甚至人臉照片數(shù)據(jù)的污染和人臉的人為遮擋的情
5、況下，傳統(tǒng)的人臉識別技術(shù)不能處理這些情況，往往正確識別率不高。結(jié)合新興的壓縮感知理論和傳統(tǒng)的人臉識別技術(shù)，最近提出了一種基于稀疏表示的人臉識別(Sparse-basedRepresentationClassifier,SRC)算法，具有很高的正確識別率，特別對于人臉照片污染的情況也有很高識別率，而且對人臉的特征空間的選擇基本不影響算法的性能。本文在SRC算法的基礎(chǔ)上，分析并研究了在實際過程中的人臉照片在不同的噪聲污染情況下的改進的算法。對于小而密的噪聲污染，提出了一種新的人臉身份判定方法：統(tǒng)計小噪聲的數(shù)目。與SRC算法比較，隨著特征維度的增大，統(tǒng)計小噪聲的數(shù)目的方法
6、性能優(yōu)于SRC算法；對于大而稀疏的噪聲污染問題，研究并分析了擴展的SRC算法，即ESRC算法。即把噪聲也看作一個稀疏信號，仿真算法得出在這種的噪聲的污染下，ESRC算法大大優(yōu)于傳統(tǒng)的常用的人臉識別算法；進一步分析研究在兩種噪聲都存在的情況下的人臉識別問題，從貝葉斯的壓縮感知角度，研究了一種基于噪聲幅度特性的權(quán)重SRC算法，WSRC算法。更進一步，利用噪聲之間的連續(xù)性和關(guān)聯(lián)性，提出了一種改進連續(xù)噪聲的WSRC算法，I摘要CWSRC算法。仿真比較SRC算法，WSRC算法，CWSRC算法的性能，得到算法性能越來越好。最后結(jié)合測試樣本與訓(xùn)練樣本集的距離關(guān)系，即利用近鄰關(guān)系，
7、提出了一種雙權(quán)重的SRC算法，即DWSRC，即同時考慮不同噪聲的權(quán)重和測試樣本與訓(xùn)練樣本集的距離的權(quán)重。仿真可知，DWSRC的性能優(yōu)于SRC算法。SRC算法的成功之處有一個前提：訓(xùn)練樣本的數(shù)目很多。但是，每個人訓(xùn)練樣本很多并且人數(shù)也很多的時候，SRC算法的運行的速度就特別慢，因此需要對訓(xùn)練樣本進行篩選或訓(xùn)練以達到縮小訓(xùn)練樣本矩陣的大小。由此研究和提出了三種篩選和訓(xùn)練方法，K最近鄰方法KNN，線性回歸分類器LRC，字典學(xué)習(xí)DL。在結(jié)合原來的SRC算法，形成了KNN-SRC，LRC-SRC,DL-SRC算法，這三種算法在保持差不多的人臉識別性能的同時，大大降低了算法
