壓縮感知及其在人臉識別中的應(yīng)用.pdf

1、壓縮感知作為一項新理論,從誕生到現(xiàn)在不過數(shù)年。它指出,當一個信號具有稀疏性,或者經(jīng)過某種變換之后能表示成稀疏的,就可以用一個與變換基不相關(guān)的觀測矩陣將這個稀疏信號投影到一個低維空間上,這個比原信號維數(shù)小很多的投影保留了重建原信號所需的信息,然后通過求解一個最優(yōu)化問題,就能夠從這個投影中以很大概率地重構(gòu)出原信號。目前,壓縮感知是一個研究熱門,在各個領(lǐng)域都取得了很多的成果。
　　人臉識別技術(shù)是通過采用特定的方法分析人臉的視覺特征信息來

2、進行身份識別的一種計算機技術(shù)。相比于其它身份識別技術(shù),人臉識別技術(shù)有著方便、友好、非侵犯性等優(yōu)點,有著廣泛的應(yīng)用前景和研究價值。
　　本文主要研究了壓縮感知及其在人臉識別中的應(yīng)用,并提出了幾點改進,具體如下:
　　(1)針對基于單層小波變換的壓縮感知圖像處理,在已有的改進算法的基礎(chǔ)上,提出了兩種新的改進方法: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,但需要較長的運算時間;閾值法只能在觀測值較小時提高重構(gòu)

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