壓縮感知及其在人臉識(shí)別中的應(yīng)用.pdf

1、壓縮感知作為一項(xiàng)新理論,從誕生到現(xiàn)在不過(guò)數(shù)年。它指出,當(dāng)一個(gè)信號(hào)具有稀疏性,或者經(jīng)過(guò)某種變換之后能表示成稀疏的,就可以用一個(gè)與變換基不相關(guān)的觀測(cè)矩陣將這個(gè)稀疏信號(hào)投影到一個(gè)低維空間上,這個(gè)比原信號(hào)維數(shù)小很多的投影保留了重建原信號(hào)所需的信息,然后通過(guò)求解一個(gè)最優(yōu)化問(wèn)題,就能夠從這個(gè)投影中以很大概率地重構(gòu)出原信號(hào)。目前,壓縮感知是一個(gè)研究熱門(mén),在各個(gè)領(lǐng)域都取得了很多的成果。
　　人臉識(shí)別技術(shù)是通過(guò)采用特定的方法分析人臉的視覺(jué)特征信息來(lái)

2、進(jìn)行身份識(shí)別的一種計(jì)算機(jī)技術(shù)。相比于其它身份識(shí)別技術(shù),人臉識(shí)別技術(shù)有著方便、友好、非侵犯性等優(yōu)點(diǎn),有著廣泛的應(yīng)用前景和研究?jī)r(jià)值。
　　本文主要研究了壓縮感知及其在人臉識(shí)別中的應(yīng)用,并提出了幾點(diǎn)改進(jìn),具體如下:
　　(1)針對(duì)基于單層小波變換的壓縮感知圖像處理,在已有的改進(jìn)算法的基礎(chǔ)上,提出了兩種新的改進(jìn)方法:行列平均法和閾值法。其中行列平均法可以顯著地提高圖像的重構(gòu)質(zhì)量,但需要較長(zhǎng)的運(yùn)算時(shí)間;閾值法只能在觀測(cè)值較小時(shí)提高重構(gòu)

3、質(zhì)量,但所需要的運(yùn)算時(shí)間要比行列平均法少。
　　(2)針對(duì)SRC(Sparse Representation-based Classification)算法對(duì)遮擋人臉識(shí)別效果不佳的情況,提出了基于圖像分塊的SRC算法,在AR人臉數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)驗(yàn)證了該算法的有效性,并指出,需要仔細(xì)考慮分塊的方法,才能最大程度地發(fā)揮該算法的優(yōu)勢(shì)。
　　(3)為提高SRC算法的效率,對(duì)OMP(Orthogonal Matching Pursuit