壓縮傳感在模式分類(lèi)中的應(yīng)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(gè)非適應(yīng)性、線性測(cè)量中恢復(fù)稀疏或可壓縮信號(hào)。如果選擇適當(dāng)，測(cè)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(hào)處理問(wèn)題的目標(biāo)并不是為了完全地信號(hào)恢復(fù)，而是尋求其中的模式分類(lèi)等問(wèn)題結(jié)果。論文將研究CSN論在模式分類(lèi)問(wèn)題中的應(yīng)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(lèi)問(wèn)題中的應(yīng)用展開(kāi)討論：(1)將壓縮傳感用于人臉性別辨認(rèn)問(wèn)題；(2)研究壓縮傳感理論在人臉識(shí)別中的應(yīng)用；(3)將壓縮傳感用于特定目標(biāo)檢測(cè)。
　　 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(cè)、特征提取方法以及模式分類(lèi)器進(jìn)行整理和比較基礎(chǔ)上，實(shí)現(xiàn)了一個(gè)集成人臉檢測(cè)和性別識(shí)別系統(tǒng)。系統(tǒng)可用于辨認(rèn)靜態(tài)圖片中所有出現(xiàn)人臉的性別屬性，包括人臉檢測(cè)與預(yù)處理、特征提取和性別識(shí)別三部分，特定圖片測(cè)試實(shí)驗(yàn)結(jié)果表明系統(tǒng)

3、達(dá)到較高的識(shí)別率。
　　 (2)提出一種基于壓縮傳感理論的人臉性別辨認(rèn)算法，試圖解決在復(fù)雜光照環(huán)境下人臉性別的魯棒辨認(rèn)問(wèn)題。主要工作包括創(chuàng)建人臉性別數(shù)據(jù)庫(kù)，構(gòu)造人臉性別字典基和在面向復(fù)雜光照變化環(huán)境的Extended Yale B Database人臉數(shù)據(jù)庫(kù)子集上進(jìn)行算法驗(yàn)證，實(shí)驗(yàn)結(jié)果表明本文提出算法的計(jì)算效率和識(shí)別率優(yōu)于傳統(tǒng)方法。
　　 (3)介紹人臉識(shí)別基于稀疏表示分類(lèi)的SRC算法和基于Gabor特征稀疏表示分類(lèi)的G

4、SRC算法，提出基于隨機(jī)投影Gabor特征稀疏表示分類(lèi)的RGSRC算法，研究光照、表情變化較大的正而無(wú)遮擋人臉識(shí)別問(wèn)題。在AR Face Database人臉數(shù)據(jù)庫(kù)上進(jìn)行算法有效性對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明本文提出的RGSRC算法效果優(yōu)于現(xiàn)存人臉識(shí)別算法。
　　 (4)在本文提出人臉識(shí)別RGSRC算法的基礎(chǔ)上，探討測(cè)量矩陣的選擇對(duì)人臉識(shí)別準(zhǔn)確率的影響。對(duì)比并分析采用隨機(jī)高斯矩陣、隨機(jī)貝努力矩陣、隨機(jī)托普利茲矩陣、隨機(jī)循環(huán)矩陣、稀疏帶

5、狀隨機(jī)高斯矩陣、稀疏帶狀隨機(jī)貝努力矩陣、稀疏帶狀隨機(jī)托普利茲矩陣、稀疏帶狀隨機(jī)循環(huán)矩陣作為測(cè)量矩陣的人臉識(shí)別正確率。實(shí)驗(yàn)結(jié)果表明測(cè)量矩陣中獨(dú)立變?cè)獢?shù)目的減少并沒(méi)有較大程度的影響識(shí)別正確率，這將有利于特定CS應(yīng)用中測(cè)量矩陣的物理實(shí)現(xiàn)。
　　 (5)設(shè)計(jì)并實(shí)現(xiàn)一個(gè)特定目標(biāo)輪廓數(shù)據(jù)采集系統(tǒng)，可用于獲取感興趣的特定目標(biāo)輪廓數(shù)據(jù)信息。系統(tǒng)主要包括五個(gè)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(shí)驗(yàn)結(jié)果表明系統(tǒng)可