資源描述：
《基于壓縮感知理論的人臉識別方法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、代號10701學號1107122464分類號TP181密級公開題(中、英文)目基于壓縮感知理論的人臉識別方法研究ResearchOnFaceRecognitionMethodBasedOnCompressedSensingTheory作者姓名武亞靜指導教師姓名、職稱周水生教授學科門類理學學科、專業(yè)應(yīng)用數(shù)學提交論文日期二○一四年一月萬方數(shù)據(jù)萬方數(shù)據(jù)西安電子科技大學學位論文創(chuàng)新性聲明秉承學校嚴謹?shù)膶W風和優(yōu)良的科學道德，本人聲明所呈交的論文是我個人在導師指導下進行的研究工作及取得的研究成果．盡我所知，除了文中特別加以標注和致謝中所羅列的內(nèi)容以外，論
2、文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學或其它教育機構(gòu)的學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做了明確的說明并表示了謝意．申請學位論文與資料若有不實之處，本人承擔一切的法律責任．本人簽名：日期西安電子科技大學關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學有關(guān)保留和使用學位論文的規(guī)定，即：研究生在校攻讀學位期間論文工作的知識產(chǎn)權(quán)單位屬西安電子科技大學．學校有權(quán)保留送交論文的復印件，允許查閱和借閱論文；學校可以公布論文的全部或部分內(nèi)容，可以允許采用影印、縮印或其它復制手
3、段保存論文．同時本人保證，畢業(yè)后結(jié)合學位論文研究課題再攥寫的文章一律署名單位為西安電子科技大學．本人簽名：日期導師簽名：日期萬方數(shù)據(jù)萬方數(shù)據(jù)摘要人臉識別是模式識別和機器視覺領(lǐng)域中的一項重要技術(shù)，其主要任務(wù)是從人臉圖像中獲取有效信息，然后把人臉樣品劃分為一些類別，利用這些類別進行身份識別。在這個過程中，特征提取是最為關(guān)鍵的環(huán)節(jié)，一個好的人臉特征提取方法具有以下有點：可以簡化識別過程中分類器的設(shè)計；還可以提高識別人臉的性能。壓縮感知是一種新的信號采樣與壓縮理論，很多專家學者將其應(yīng)用于人臉識別問題，取得了豐碩的成果。其中最為經(jīng)典的是稀疏表示人臉識別
4、算法(SparseRepresentation–basedClassification,簡稱SRC算法)。本文在SRC算法的基礎(chǔ)上進行了改進，取得了較好的實驗結(jié)果。本文所做工作及取得的成果如下：1、介紹現(xiàn)有的特征提取和分類算法，其中人的面部特征提取方法有兩種；此外，還介紹了壓縮感知理論以及最為經(jīng)典的人臉識別算法。2、提出一種基于主成分分析和壓縮感知的人臉識別算法(PSL0)。該算法首先利用主元分析對圖像數(shù)據(jù)進行降維，然后用基于平滑l范數(shù)快速稀疏表示(SL0)算0法求解l范數(shù)最小化問題，以得到一組最優(yōu)系數(shù)重構(gòu)各類圖像，計算測試圖像與0各類重構(gòu)圖
5、像的殘差進行分類識別。實驗結(jié)果表明，該算法在同類算法中獲得了較高的人臉識別率及較好的重建效果。3、提出一種基于子空間和壓縮感知信號重建的ISL0算法。其思想是用一個光滑函數(shù)來近似壓縮感知中求解的l范數(shù)極小化問題，利用修正牛頓算法在子空0間上求解優(yōu)化問題，并利用子空間表示的方法約束迭代算法的搜索范圍，提高算法效率。關(guān)鍵詞：人臉識別壓縮感知主成分分析最小l范數(shù)特征子空間0萬方數(shù)據(jù)萬方數(shù)據(jù)AbstractFaceRecognitionisanimportanttechniqueinthefieldofpatternrecognition,itsma
6、intaskistoobtaintheeffectiveinformationfromfaceimages,thefacesamplesaredividedintocorrespondingcategoriesofmodelidentification.Herefeatureextractionisveryimportant.Agoodfacialfeatureextractionmethodhasthefollowingadvantages:simplifiesclassifierdesigninginthefacerecognition;
7、improvesthemethodperformance.CompressedSensingisanewsignalsamplingandcompressiontheory.Manyexpertsandscholarshaveappliedittotheproblemoffacerecognition,andachievedfruitfulresults.Oneofthemostclassicmethodisthesparserepresentationoffacerecognitionalgorithms(SRC).Thefacerecog
8、nitionalgorithmofthispaperhasbeenimprovedonthebasisofSRCalgorithm,andachievedgoodr
