資源描述：
《基于稀疏表示的人臉識別算法-研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、ClassifiedIndex:U.D.C:ADissertationfortheDegreeofM.EngFaceRecognitionBasedonSparseRepresentationAlgorithmCandidate:KanLiangSupervisor:Prof.WangKejunAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:PatternRecognitionandIntelligentSystemDateofSubmission:May
2、,2015DateofOralExamination:Jun,2015University:HarbinEngineeringUniversity哈爾濱工程大學學位論文原創(chuàng)性聲明本人鄭重聲明：本論文的所有工作，是在導師的指導下，由作者本人獨立完成的。有關觀點、方法、數據和文獻的引用已在文中指出，并與參考文獻相對應。除文中已注明引用的內容外，本論文不包含任何其他個人或集體已經公開發(fā)表的作品成果。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本人完全意識到本聲明的法律結果由本人承擔。作者（簽字）：日期
3、：年月日哈爾濱工程大學學位論文授權使用聲明本人完全了解學校保護知識產權的有關規(guī)定，即研究生在校攻讀學位期間論文工作的知識產權屬于哈爾濱工程大學。哈爾濱工程大學有權保留并向國家有關部門或機構送交論文的復印件。本人允許哈爾濱工程大學將論文的部分或全部內容編入有關數據庫進行檢索，可采用影印、縮印或掃描等復制手段保存和匯編本學位論文，可以公布論文的全部內容。同時本人保證畢業(yè)后結合學位論文研究課題再撰寫的論文一律注明作者第一署名單位為哈爾濱工程大學。涉密學位論文待解密后適用本聲明。本論文（□在授予學位后即可□在授予學位12個
4、月后□解密后）由哈爾濱工程大學送交有關部門進行保存、匯編等。作者（簽字）：導師（簽字）：日期：年月日年月日基于稀疏表示的人臉識別算法研究摘要人臉識別屬于生物特征識別技術，具有唯一性和便攜性，但由于人臉具有豐富表情變化并受到外界光照、遮擋等因素影響，使其識別具有一定的難度和挑戰(zhàn)性。稀疏表示理論應用于人臉識別領域具有重要意義，能夠有效克服人臉的多變性，獲得了國內外學者的廣泛關注。目前稀疏表示的算法研究主要從稀疏表示的字典設計或分解算法進行單方面的研究，存在以下問題：（1）目前的研究雖然提出了多種稀疏分解算法及字典的設計
5、方法，但缺少有關這些方法性能對比評估的研究成果。（2）目前人們用于人臉識別的稀疏表示方法都沒有分別考慮字典學習和稀疏分解方法的性能，而是直接采用了某一種特定字典和某一種特定稀疏分解算法，因此得到的稀疏表示方法性能不能做到最好。針對以上問題，本文基于國內外的研究成果分別從字典設計和分解算法兩方面進行實驗對比，根據不同字典的構造特點和設計方法，與多種不同特點的分解算法相結合，對稀疏表示算法進行深入的研究并進行了大量實驗，獲得字典方法和分解算法相結合的最佳方案，給出性能更佳的有實際意義的稀疏表示方法，為其他研究人員使用稀
6、疏表示方法解決實際問題提供參考。主要研究內容如下：(1)從稀疏表示字典設計和稀疏分解算法的研究進展綜述了稀疏表示理論在人臉識別領域的應用和發(fā)展。(2)根據稀疏表示研究的核心內容分析了典型冗余字典的構造方式和稀疏分解算法，針對貪婪追蹤算法和松弛優(yōu)化算法，通過實驗分別對一維信號和二維圖像信號進行研究，對比分析了正交匹配追蹤算法、截斷牛頓內點法、同倫算法、快速迭代閾值收縮法和增廣拉格朗日算法的性能，對稀疏表示算法的后續(xù)研究具有一定的指導意義。(3)研究了基于分析字典稀疏表示分類算法的人臉識別。在稀疏表示分類(SRC)算法
7、、擴充稀疏表示分類(ESRC)算法和疊加稀疏表示分類(SSRC)算法原理的基礎上，通過實驗對比評估了經典SRC、ESRC和SSRC算法用于人臉識別的準確性以及算法特點。并采用多種稀疏分解算法對SSRC算法進行改進，提出了TSSRC、PSSRC、DSSRC、FSSRC改進算法，基于單樣本人臉圖像、FERET和AR人臉數據庫進行仿真實驗，對它們的性能進行對比評估，給出了性能更佳的稀疏表示方法，為其他研究人員使用稀疏表示方法解決實際問題提供參考依據。(4)研究了基于學習字典稀疏表示分類的人臉識別算法，并進行仿真實驗。利用
8、經典的K-SVD算法、判別性K-SVD算法(D-KSVD)、類標一致性K-SVD算法(LC-KSVD)和基于Fisher準則字典學習的稀疏表示算法(FDDL)進行仿真實驗，通過實驗對比評估以上4種算法用于人臉識別的性能。在此基礎上采用多種稀疏分解算法改進FDDL算法的字典學習過程，提出了FDHDL、FDTDL、FDPDL、FDDDL、FDFDL算法，并基于哈
