- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
page 1 博士论文线性特征抽取研究及其在人脸识别中的应用 13基于
博t论文 线性特征抽取研究及其在人脸识别中的应用
1.3基于稀疏表示的方法
是多个线性回归模型的分类问题,通过稀疏信号表示的理论解决分类问题。该方法的
主要思路是:对于待识别的人脸图像,利用训练集图像的线性组合进行重构,然后利
用重构过程中得到的稀疏表示的重构系数进行人脸分类。与传统的PCA等方法不同,
稀疏表示是基于Ll范数的求解过程,它能够保证所求的重构系数总是具有稀疏性。
稀疏表示主要解决了人脸识别中的特征抽取问题,另外,使用稀疏表示进行人脸识别
可以一定程度解决遮挡干扰对识别的影响。由于稀疏表示与传统的人脸表示方法使用
了不同的思路,且使用稀疏信号来表示人脸符合人类的视觉特性,目前该方法受到了
越来越多的人脸识别研究者的关注。
1.4本文的主要工作
本文以线性特征抽取为研究对象,在已有算法的基础上,提出了改进的或新的人
脸识别方法,并和现阶段的主流方法进行了比较,验证了本文方法的有效性。本文的
主要工作和创新成果如下:
(1)深入研究二维主成分分析中的相关性问题,指出在二维主成分分析中,特
征向量的两个分量之间是相关的,并给出此相关性的数学表达,进一步提出了最小化
相关性的二维主成分分析。
(2)基于张量脸模型的方法是为了解决各种外在因素(光照、角度、表情等)
影响下的人脸识别问题,但是其目标函数的解决复杂,且存在多个未知参数。于是我
们提出用矩阵分解来解决张量脸模型中的数学解法。
(3)二维主成分分析是一种基于整体脸的方法,保留了人脸部件之间的拓扑关
系;而非负矩阵分解是基于局部特征的识别,是通过提取局部信息来实现分类。将两
种思想的优点融合在一起,提出非负二维主成分分析。
(4)同时考虑数据分布的局部性和非局部性,提出无监督的差分鉴别特征提取
方法。该方法采用差分的形式求解最优变换矩阵,避免“小样本”问题;对已有LPP
中的邻接矩阵进行了修正,以更准确地描述样本之间的邻近关系。
(5)采用新的图像距离度量方式,考虑类内近邻、类间近邻在降维后的关系,
提出基于中心距离的鉴别特征抽取方法。
1.5本文的组织结构
本文的内容分六章进行展开。
第一章是绪论,介绍了生物特征识别概述,人脸识别研究现状、应用、存在的挑
9
文档评论(0)