

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、人臉識別是模式識別及圖像處理領域的重要研究方向,具有重要的理論研究價值和廣闊的實際應用前景。目前人臉識別的研究熱點主要集中在特征提取和分類識別,本文主要研究人臉識別領域的特征提取部分。而在過去的幾十年間,特征提取的主流方法是子空間學習,各種傳統(tǒng)子空間學習方法的提出使得人臉識別技術取得了長足的發(fā)展。傳統(tǒng)子空間學習算法大致分為監(jiān)督子空間學習和無監(jiān)督子空間學習兩類,雖然各有所長但均存在一些需要解決的問題。近年來,基于稀疏表示的稀疏子空間學習已
2、經成為一個重要的研究熱點,得到了學者們的廣泛關注,而基于稀疏子空間學習方法的人臉識別也取得了很好的識別結果。但由于稀疏子空間學習方法本質上屬于無監(jiān)督子空間學習,存在無監(jiān)督子空間學習方法的問題,以及稀疏表示的全局特性導致的一些問題,其有效性亟待提高。
本研究主要內容包括:⑴針對傳統(tǒng)稀疏子空間學習方法的全局特性導致的問題,如樣本間的錯誤重構和誤學習等,本文提出了稀疏近鄰相關性重構方法,通過提取全部樣本間的局部結構信息和部分樣本的標
3、簽信息,使得對樣本的重構保留了更為準確的判別信息,解決了傳統(tǒng)稀疏子空間學習方法由于全局特性導致的問題,并基于稀疏近鄰相關性重構得到了稀疏近鄰保持投影(Sparsity Neighbouring Preserving Projections,SNPP)算法。⑵基于稀疏近鄰相關性重構的 SNPP算法雖然利用了少量標簽樣本的標簽信息,但無法像MMC等監(jiān)督子空間學習方法一樣充分提取標簽信息,所以其本質上還是屬于無監(jiān)督子空間學習方法,算法的有效性
4、不高。本文利用半監(jiān)督技術將SNPP和MMC進行結合,對SNPP算法進行半監(jiān)督拓展,得到半監(jiān)督的稀疏近鄰保持投影(Semi-supervised Sparsity Neighbouring Preserving Projections, SSNPP)算法。⑶在標準人臉庫Extended Yale B、ORL和AR中,對SNPP算法和SSNPP算法的性能進行檢驗,選擇最近鄰分類器對提取的特征進行分類,并與PCA、NPE、LPP、SPP算法的
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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔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。
最新文檔
- 基于子空間方法的人臉識別算法研究.pdf
- 基于改進的稀疏表示的人臉識別算法研究.pdf
- 基于稀疏子空間聚類的人臉識別方法研究.pdf
- 基于稀疏表示和子空間的人臉識別方法研究.pdf
- 基于子空間的人臉識別.pdf
- 基于核稀疏表示的人臉識別算法研究.pdf
- 基于子空間的人臉識別技術.pdf
- 基于小波變換與改進子空間融合算法的人臉識別研究.pdf
- 基于子空間及變換域的人臉識別算法研究.pdf
- 基于稀疏表示改進的人臉識別方法研究.pdf
- 基于改進非負稀疏編碼的人臉識別.pdf
- 基于流形的人臉識別子空間特征提取算法研究.pdf
- 基于子空間的人臉特征提取和識別算法研究.pdf
- 基于子空間分析的人臉識別研究.pdf
- 基于稀疏表示和聚類字典學習的人臉識別算法研究.pdf
- 基于稀疏流形學習的人臉識別研究.pdf
- 基于流形學習子空間的人臉識別方法研究.pdf
- 基于改進LBP的人臉識別算法研究.pdf
- 基于幾何特征和子空間學習的人臉表情識別.pdf
- 基于子空間人臉識別算法的研究
評論
0/150
提交評論