

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、人臉識(shí)別是當(dāng)前計(jì)算機(jī)模式識(shí)別領(lǐng)域中的一個(gè)非?;钴S的研究課題,在法律、商業(yè)等領(lǐng)域具有廣泛的應(yīng)用前景。如何有效的從人臉圖像中提取使之區(qū)別于其他個(gè)體的特征,是人臉識(shí)別研究的一個(gè)關(guān)鍵問(wèn)題。在眾多的特征提取技術(shù)中,子空間分析因其計(jì)算簡(jiǎn)單、有效等特性引起了人們的廣泛注意,現(xiàn)已成為人臉圖像特征提取和識(shí)別的主流方法之一。該文以人臉識(shí)別為目標(biāo),以基于子空間分析的人臉特征提取為重點(diǎn)進(jìn)行了相關(guān)研究,并取得了如下創(chuàng)新性成果: 1、該文采用投影分析的方法
2、對(duì)圖像奇異值特征的有效性進(jìn)行了分析,發(fā)現(xiàn)該特征實(shí)質(zhì)上是通過(guò)對(duì)圖像進(jìn)行投影變化所得到的,而在提取奇異值特征時(shí),對(duì)不同的圖像采用了不同的投影變化,即選用了不同的基準(zhǔn),因此僅采用奇異值特征不足以進(jìn)行有效的人臉識(shí)別。在此基礎(chǔ)上,該文基于奇異值分解和投影的方法提取了一種新的稱為投影系數(shù)主元特征的代數(shù)特征,并將其用于人臉識(shí)別。在標(biāo)準(zhǔn)的ORL人臉庫(kù)和Yale人臉庫(kù)上的實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的奇異值特征相比,所提取的這種新特征在較低的維數(shù)內(nèi)包含了更多的有
3、用信息,是一種穩(wěn)定的、更為有效的代數(shù)特征。 2、該文首次將基于Chernoff準(zhǔn)則的異方差線性鑒別分析(HCLDA)應(yīng)用于人臉識(shí)別研究當(dāng)中。由于HCLDA能同時(shí)提取包含在類均值和類協(xié)方差之間的鑒別信息,因此理論上優(yōu)于經(jīng)典的基于Fisher準(zhǔn)則的線性鑒別分析。然而,在HCLDA方法中要求總體類內(nèi)散布矩陣和各類的類內(nèi)散布矩陣均可逆,而在人臉識(shí)別中這些散布矩陣往往是奇異的。該文首先根據(jù)樣本的可分性,提出了一種新的稱為最大廣義Fishe
4、r值的主元選擇策略,并基于該策略采用主元分析的方法對(duì)原始的高維圖像矢量進(jìn)行降維,然后采用最大熵協(xié)方差估計(jì)策略對(duì)各類的類內(nèi)散布矩陣進(jìn)行估計(jì),從而解決了總體類內(nèi)散布矩陣和各類的類內(nèi)散布矩陣不可逆這一問(wèn)題。 3、該文基于相關(guān)加權(quán)和統(tǒng)計(jì)不相關(guān)兩種思想,提出了一種新的基于相關(guān)加權(quán)Fisher準(zhǔn)則的不相關(guān)鑒別分析(RWULDA)方法。該方法考慮了樣本兩兩類別之間的可分性,能有效的抑止可分性較好的類別在求解最優(yōu)鑒別向量過(guò)程中所產(chǎn)生的“欠適應(yīng)”
5、效應(yīng),在提高相鄰類別之間的可分性的同時(shí)去除了提取的鑒別特征之間的統(tǒng)計(jì)相關(guān)性。在大型AR人臉庫(kù)和FERET人臉庫(kù)的子庫(kù)上的實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的有效性。 4、該文對(duì)EFM、DLDA以及NLDA這三種以解決小樣本問(wèn)題為目的的線性鑒別方法進(jìn)行了深入的理論分析,證明了采用這三種方法所提取的特征的統(tǒng)計(jì)不相關(guān)性;進(jìn)一步分析了這三種方法所采用的子空間的合理性,從而解釋了NLDA方法優(yōu)于其他兩種方法的原因。在此基礎(chǔ)上提出了一種加權(quán)不相關(guān)零空間線
6、性鑒別分析(WUNLDA)的方法,該方法首先基于“在高維空間中類間距離較小的類別之間應(yīng)賦予較高的權(quán)重”這一原則,給出了一種新的權(quán)函數(shù),進(jìn)而導(dǎo)出了一種新的判別準(zhǔn)則及其相應(yīng)的約束條件,最后采用拉格朗日乘子法求解其最優(yōu)鑒別向量,并給出了求解定理。在AR人臉庫(kù)和FERET人臉庫(kù)的子庫(kù)上的實(shí)驗(yàn)結(jié)果驗(yàn)證了所提出的方法的有效性和優(yōu)越性。 5、核函數(shù)雖然是數(shù)學(xué)中一個(gè)早已存在的概念,但基于核的子空間分析方法卻在最近幾年才得到人們的廣泛關(guān)注。該文對(duì)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于子空間特征提取的人臉識(shí)別.pdf
- 基于子空間分析特征提取的人臉識(shí)別研究.pdf
- 基于流形的人臉識(shí)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(shí)別算法研究.pdf
- 基于子空間分析和頻域特征提取的人臉識(shí)別研究.pdf
- 基于子空間分析的人臉特征提取的方法研究.pdf
- 基于雙向二維子空間分析的人臉特征提取.pdf
- 人臉識(shí)別中基于子空間的特征提取方法研究.pdf
- 基于分塊的人臉特征提取與識(shí)別研究.pdf
- 基于視覺(jué)特征提取的人臉表情識(shí)別研究.pdf
- 基于水平集特征提取的人臉識(shí)別.pdf
- 基于拓?fù)浣Y(jié)構(gòu)的人臉圖像特征提取及識(shí)別研究.pdf
- 基于保局子空間分析的人臉特征提取算法研究.pdf
- 基于核的特征提取方法的人臉識(shí)別研究.pdf
- 子空間特征提取及生物特征識(shí)別應(yīng)用.pdf
- 基于子空間的人臉識(shí)別及性能分析.pdf
- 基于彩色空間的人臉面部圖像識(shí)別特征提取方法研究.pdf
- 基于圖像紋理特征提取方法的人臉識(shí)別.pdf
- 基于子空間分析的人臉識(shí)別研究.pdf
- 基于代數(shù)方法的人臉圖像特征提取與識(shí)別.pdf
評(píng)論
0/150
提交評(píng)論