基于稀疏表示的人臉識別方法研究.pdf

《基于稀疏表示的人臉識別方法研究.pdf》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、：．．；Ｖ；０ｖ’＞；令齡：：－’，．；、Ｈ巧％．ｏ１．；．Ａ＼：ｃ，、苗是ｖ％．／資０多壽‘￡’；‘冷＂ｖ；．．．ｙ《．如、讀》徑’，作咬Ｌ．Ｖ襄；興＜豪．－－方Ｖ．＂公戶萬；＾Ｖ齊７古＇品Ｉ、９；‘０；朽扭－訓(xùn)女５．、；：：林磅芝；：處欠；．這－無義、鶴？．＾參，．＾壤巨Ｉ養(yǎng)－－旬’浸，’：４若＾式．嘴ｒＩ．－；；早：．－７．氣＞興＞．／＼達(dá)巧人險識巧法’祐涼防諱究、．琴，．＇／；：：．＇．．－、．已－．＼；＼／、．巧．襲／》：：、．齋／Ｍ為／，巧’＼／云；，Ｍ象公．．‘１ｒ＼；某－：ｒ?。?？ｖ一兵磚￥．＃；式夸ｆｉ．苗乂」＾ｖ／

2、｝＇Ｋ黃吹．賓變冷皆聲？．，ｒ進苗：．ｊ．．？稽．７義公；＇、ｒ－．．，薦；：顯如．．；寒７．皆貧八靜蘭；＼；貧Ｍ蛛苦意Ｖ．義琴奏．Ｓ氣真幾：霉＇１Ｖ．Ｖ；ｏ咨ｉｖ■警／－呼￥；蘆嗦－．產(chǎn)％養(yǎng)，；一－、．讀競．巧：％ｒ．ｖ皆，裹，、．Ａ戶．：．．＇＇，ｖ替．Ｖｒ杳；．ｖ；＇蠢．故；．產(chǎn)終；．／／草：專」＞、家．，＞－ｚ；命．３ｒ年＞．進；廣Ｖ＇；＇－門寧．＇－：：．：當(dāng)ＶＭ．ｒ辜＼ｒｖ＇／，Ｖ．矣．／’八去過＞？＇．某璋＇站?。埂崳姡椋椋崳姡埽崳?；．離分類號ＴＰ３９１．４密級公開

3、ＵＤＣ工程碩±學(xué)位論文基于稀疏表示的人臉識別方法研究施靜蘭學(xué)科專業(yè)計算化技乂指導(dǎo)教師常侃副教授企業(yè)導(dǎo)師陳雪云高級工程師論文答辯日期２０１５年１１月０９日學(xué)位授予日期２０１５年１２月３１日答辯委員會主席梁永忠教授級高級工程師廣西大學(xué)學(xué)位論文原創(chuàng)性和使用授權(quán)聲明本人聲明所呈交的論文，是本人在導(dǎo)師的指導(dǎo)下獨立進行研究所取得。的研巧成果除已特別加Ｗ標(biāo)注和致謝的地方外，論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的研究成果，也不包含本人或他人為獲得廣西大學(xué)或其它單位的學(xué)位而使用過的材料一。與我同工作的同事對本

4、論文的研巧工作所做的貢獻(xiàn)均己在論文中作了明確說明。本人在導(dǎo)師指導(dǎo)下所完成的學(xué)位論文及相關(guān)的職務(wù)作品，知識產(chǎn)權(quán)歸屬廣西大學(xué)。本人授權(quán)廣西大學(xué)擁有學(xué)位論文的部分使用權(quán)，即：學(xué)校有權(quán)保存并向國家有關(guān)部口或機構(gòu)送交學(xué)位論文的復(fù)印件和電子版，允許論文被查閱和借閱，可Ｗ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檢索和傳播，可采用影印、縮印或其它復(fù)制手段保存、匯編學(xué)位論文。本學(xué)位論文屬于；□保密，在年解密后適用授權(quán)。囚不保密。＂＂（請在上相應(yīng)方框內(nèi)打Ｖ）論文作者簽名：日期；７＾棘義．／＞成為：／ＩＩ指導(dǎo)教師簽名心日期又

5、＞／．〇作者聯(lián)系電話：電子郵箱：基于巧疏表示的人搶識別方法研究摘要人臉識別是一項重要的生物特征識別技術(shù)，其研究跨越數(shù)學(xué)、圖像處理、模式識別、計算機視覺等多個領(lǐng)域，具有廣闊的應(yīng)用前景。近年來，許多研究學(xué)者將稀疏表示應(yīng)用于人臉識別，該人臉識別方法對光照變化、表情變化和局部遮擋等問題魯椿性高一，這些優(yōu)點使其成為了個新興的研究熱點。目前，關(guān)于稀疏表示人臉識別方法的研究內(nèi)容主要集中于冗余字典的構(gòu)造、稀疏編碼、分類方法等方面。本文研究了基于稀疏表示的人臉識別方法一－，（＾提高識別率為目的，主要對字典學(xué)習(xí)方法進行了研究通過在稀疏編

6、碼模型基礎(chǔ)上加入新的約束項，提高字典的區(qū)分性；將灰度圖像的字典學(xué)習(xí)方法拓展到彩色圖像的字典學(xué)習(xí)方法中，提髙字典色彩表達(dá)能力。本文主要的工作和創(chuàng)新點如下：１、針對ｍｅｔａｆａｃｅ學(xué)習(xí)（ＭｅｔａｆａｃｅＬｅａｒｎｉｎｇ，ＭＦＬ）算法字典判別能力一不夠高的不足－，本文提出種基于系數(shù)相似性的ｍｅｔａｆａｃｅ學(xué)習(xí)（０；〇６巧過６１１＊ｔ－－ＳｉｍｉｌａｒｉｂａｓｅｄＭｅｔａｆａｃｅＬｅａｒｎｉｎ－ｙｇ，ＣＳＭＦＬ）算法。ＣＳＭＦＬ學(xué)習(xí)算法的過程中，在更新稀疏表示系數(shù)階段加入同類訓(xùn)練樣本稀疏編碼系數(shù)相似的約束項一，利用同類樣本稀疏編碼

7、系數(shù)之間具有相似性這信息來提高字典的區(qū)分性。為了求解包含系數(shù)相似性約束的新的最優(yōu)化問題，將目標(biāo)函數(shù)中的兩個范數(shù)約束項進行合并，把原問題轉(zhuǎn)化為典型ｋ／問題進行求解。／Ｉ在不同的人臉庫上進行實驗－ＭＦＬ，結(jié)果表明，本文提出的ＣＳ算法能夠獲得比ＭＦＬ算法更高的識別率，在ＥｘｔｅｎｄｅｄＹａｌｅＢ、ＡＲ、ＯＲＬＳ個人臉庫８％－ＭＦＬ中的識別率最大提升分別為化５、１．１５％、２．５％，說明由ＣＳ算法學(xué)習(xí)得到的字典更髙效且更具區(qū)分性。２、為了利用ＲＧＢ色彩空間不同通道數(shù)據(jù)本身所包含的信息及它們之一間的相關(guān)性來提高字典的色彩表達(dá)能力致的Ｋ

8、－，基于標(biāo)簽ＳＶＤ（Ｌ