2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩70頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、近年來人們對信息安全越發(fā)重視,生物特性因其較強(qiáng)的穩(wěn)定性和獨特性,成為身份識別的熱門研究領(lǐng)域。而人臉識別作為生物特征識別的一個重要分支,長期以來受到研究者們的廣泛關(guān)注。在過去幾十年的研究中,眾多經(jīng)典算法被提出,如主成分分析法,F(xiàn)isher鑒別分析法等。此外隨著壓縮感知理論快速發(fā)展,稀疏表示方法因其優(yōu)異的識別效果被廣泛應(yīng)用于模式識別領(lǐng)域。當(dāng)訓(xùn)練樣本圖像是理想時,稀疏表示算法在光照變化,遮擋噪聲等情況下能夠取得非常好的效果。然而在實際環(huán)境中,

2、樣本分布常常存在較大差異,同時圖像采集也會受到各種因素干擾(如光照,姿態(tài),遮罩等),如何減小分布差異和干擾因素對算法的影響是目前研究的重點。因此本文就基于重構(gòu)表示的人臉圖像表示與分類進(jìn)行了深入研究。
  1、基于非負(fù)稀疏低秩表示分類的人臉識別方法
  本文提出一種基于非負(fù)稀疏低秩表示的分類方法(NSLRRC)用于魯棒人臉識別。NSLRRC目標(biāo)是根據(jù)所有訓(xùn)練樣本,找到一個稀疏且低秩的非負(fù)表示矩陣。稀疏約束使得表示向量具有鑒別能

3、力,低秩模型表現(xiàn)了數(shù)據(jù)的全局結(jié)構(gòu),同時表示向量非負(fù)使得系數(shù)有意義并能更好體現(xiàn)數(shù)據(jù)點間的獨立性。然后基于得到的表示系數(shù),對測試樣本進(jìn)行重構(gòu)并計算重構(gòu)誤差,最后根據(jù)重構(gòu)誤差完成測試樣本的分類。在ORL人臉庫,AR人臉庫,Extended YaleB人臉庫上的實驗結(jié)果表明,基于NSLRRC的人臉識別方法具有較好的魯棒性和有效性。
  2、基于字典學(xué)習(xí)的魯棒人臉識別算法
  人臉圖片常常受到噪聲和遮罩的影響?;谙∈璞硎镜姆诸惼鞅蛔C

4、實對此類情況十分有效。但考慮到實際情況中,同類樣本間出現(xiàn)明顯差異時,稀疏表示方法效果顯著下降。針對上述情況,我們提出一種新的方法,通過不斷地迭代學(xué)習(xí)得到包含所有樣本有效信息的新字典,利用新字典計算測試樣本所屬類別。我們在GT人臉庫,AR人臉庫,CMU PIE人臉庫上驗證了該方法的有效性和魯棒性。實驗結(jié)果表明針對同類樣本存在明顯差異的情況,該方法能夠有效提高算法的識別率。
  3、基于分段表示的人臉識別算法
  在人臉識別研究

5、中,傳統(tǒng)的基于表示分類方法并沒有給出針對樣本噪聲或遮擋情況的處理機(jī)制。稀疏表示要求同類樣本處于同一線性子空間下,考慮到同類樣本間的分布差異,本文提出一種分段表示的分類方法。該方法將訓(xùn)練樣本平均分為兩組,要求每組間樣本分布相似,并根據(jù)測試樣本與訓(xùn)練樣本集間的“距離”分類。這樣盡可能減少樣本差異帶來的影響,有效地考慮了訓(xùn)練樣本所包含的全部信息。在AR人臉庫和CMU PIE人臉庫中的實驗驗證了該算法的有效性和實用性。
  4、基于樣本相

6、關(guān)性約束的線性回歸分類
  現(xiàn)實世界中,每個人的人臉特征獨一無二,然而也存在某些相似臉。線性回歸分類方法中僅利用每類樣本分別線性表示測試樣本,未考慮重構(gòu)樣本間的相似度。通常我們希望測試樣本所在類重構(gòu)樣本與其他類重構(gòu)樣本相似度越小越好。于是本文提出一種改進(jìn)的線性回歸分類模型用于人臉識別。該方法在線性回歸分類的基礎(chǔ)上,添加對重構(gòu)樣本相關(guān)性的約束,然后計算得新的表示系數(shù),利用所得表示系數(shù)計算殘差并分類。在AR庫,GT庫,CMU PIE庫

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論