壓縮傳感在模式分類中的應用研究.pdf

1、近期由Candè、Romberg、Tao和Donoho等人提出的壓縮傳感(Compressed Sensing，CS)理論，可以從一個非適應性、線性測量中恢復稀疏或可壓縮信號。如果選擇適當，測量數(shù)目可以比Nyquist速率采樣的數(shù)目小得多。而且許多信號處理問題的目標并不是為了完全地信號恢復，而是尋求其中的模式分類等問題結(jié)果。論文將研究CSN論在模式分類問題中的應用。
　　 本文首先介紹壓縮傳感的基本理論，然后聚焦在CS理論在模式

2、分類問題中的應用展開討論：(1)將壓縮傳感用于人臉性別辨認問題；(2)研究壓縮傳感理論在人臉識別中的應用；(3)將壓縮傳感用于特定目標檢測。
　　 主要研究工作及創(chuàng)新性成果如下：
　　 (1)建立在現(xiàn)有的人臉檢測、特征提取方法以及模式分類器進行整理和比較基礎(chǔ)上，實現(xiàn)了一個集成人臉檢測和性別識別系統(tǒng)。系統(tǒng)可用于辨認靜態(tài)圖片中所有出現(xiàn)人臉的性別屬性，包括人臉檢測與預處理、特征提取和性別識別三部分，特定圖片測試實驗結(jié)果表明系統(tǒng)

3、達到較高的識別率。
　　 (2)提出一種基于壓縮傳感理論的人臉性別辨認算法，試圖解決在復雜光照環(huán)境下人臉性別的魯棒辨認問題。主要工作包括創(chuàng)建人臉性別數(shù)據(jù)庫，構(gòu)造人臉性別字典基和在面向復雜光照變化環(huán)境的Extended Yale B Database人臉數(shù)據(jù)庫子集上進行算法驗證，實驗結(jié)果表明本文提出算法的計算效率和識別率優(yōu)于傳統(tǒng)方法。
　　 (3)介紹人臉識別基于稀疏表示分類的SRC算法和基于Gabor特征稀疏表示分類的G

4、SRC算法，提出基于隨機投影Gabor特征稀疏表示分類的RGSRC算法，研究光照、表情變化較大的正而無遮擋人臉識別問題。在AR Face Database人臉數(shù)據(jù)庫上進行算法有效性對比實驗，實驗結(jié)果表明本文提出的RGSRC算法效果優(yōu)于現(xiàn)存人臉識別算法。
　　 (4)在本文提出人臉識別RGSRC算法的基礎(chǔ)上，探討測量矩陣的選擇對人臉識別準確率的影響。對比并分析采用隨機高斯矩陣、隨機貝努力矩陣、隨機托普利茲矩陣、隨機循環(huán)矩陣、稀疏帶

5、狀隨機高斯矩陣、稀疏帶狀隨機貝努力矩陣、稀疏帶狀隨機托普利茲矩陣、稀疏帶狀隨機循環(huán)矩陣作為測量矩陣的人臉識別正確率。實驗結(jié)果表明測量矩陣中獨立變元數(shù)目的減少并沒有較大程度的影響識別正確率，這將有利于特定CS應用中測量矩陣的物理實現(xiàn)。
　　 (5)設(shè)計并實現(xiàn)一個特定目標輪廓數(shù)據(jù)采集系統(tǒng)，可用于獲取感興趣的特定目標輪廓數(shù)據(jù)信息。系統(tǒng)主要包括五個模塊：數(shù)據(jù)獲取模塊、數(shù)據(jù)傳輸模塊、采集控制模塊、電源模塊和處理顯示模塊。實驗結(jié)果表明系統(tǒng)可