版權(quán)說明: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)別是模式識(shí)別及圖像處理領(lǐng)域的重要研究方向,具有重要的理論研究?jī)r(jià)值和廣闊的實(shí)際應(yīng)用前景。目前人臉識(shí)別的研究熱點(diǎn)主要集中在特征提取和分類識(shí)別,本文主要研究人臉識(shí)別領(lǐng)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(xué)習(xí),各種傳統(tǒng)子空間學(xué)習(xí)方法的提出使得人臉識(shí)別技術(shù)取得了長(zhǎng)足的發(fā)展。傳統(tǒng)子空間學(xué)習(xí)算法大致分為監(jiān)督子空間學(xué)習(xí)和無監(jiān)督子空間學(xué)習(xí)兩類,雖然各有所長(zhǎng)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(xué)習(xí)已
2、經(jīng)成為一個(gè)重要的研究熱點(diǎn),得到了學(xué)者們的廣泛關(guān)注,而基于稀疏子空間學(xué)習(xí)方法的人臉識(shí)別也取得了很好的識(shí)別結(jié)果。但由于稀疏子空間學(xué)習(xí)方法本質(zhì)上屬于無監(jiān)督子空間學(xué)習(xí),存在無監(jiān)督子空間學(xué)習(xí)方法的問題,以及稀疏表示的全局特性導(dǎo)致的一些問題,其有效性亟待提高。
本研究主要內(nèi)容包括:⑴針對(duì)傳統(tǒng)稀疏子空間學(xué)習(xí)方法的全局特性導(dǎo)致的問題,如樣本間的錯(cuò)誤重構(gòu)和誤學(xué)習(xí)等,本文提出了稀疏近鄰相關(guān)性重構(gòu)方法,通過提取全部樣本間的局部結(jié)構(gòu)信息和部分樣本的標(biāo)
3、簽信息,使得對(duì)樣本的重構(gòu)保留了更為準(zhǔn)確的判別信息,解決了傳統(tǒng)稀疏子空間學(xué)習(xí)方法由于全局特性導(dǎo)致的問題,并基于稀疏近鄰相關(guān)性重構(gòu)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(guān)性重構(gòu)的 SNPP算法雖然利用了少量標(biāo)簽樣本的標(biāo)簽信息,但無法像MMC等監(jiān)督子空間學(xué)習(xí)方法一樣充分提取標(biāo)簽信息,所以其本質(zhì)上還是屬于無監(jiān)督子空間學(xué)習(xí)方法,算法的有效性
4、不高。本文利用半監(jiān)督技術(shù)將SNPP和MMC進(jìn)行結(jié)合,對(duì)SNPP算法進(jìn)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(biāo)準(zhǔn)人臉庫Extended Yale B、ORL和AR中,對(duì)SNPP算法和SSNPP算法的性能進(jìn)行檢驗(yàn),選擇最近鄰分類器對(duì)提取的特征進(jìn)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(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)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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
- 基于子空間方法的人臉識(shí)別算法研究.pdf
- 基于改進(jìn)的稀疏表示的人臉識(shí)別算法研究.pdf
- 基于稀疏子空間聚類的人臉識(shí)別方法研究.pdf
- 基于稀疏表示和子空間的人臉識(shí)別方法研究.pdf
- 基于子空間的人臉識(shí)別.pdf
- 基于核稀疏表示的人臉識(shí)別算法研究.pdf
- 基于子空間的人臉識(shí)別技術(shù).pdf
- 基于小波變換與改進(jìn)子空間融合算法的人臉識(shí)別研究.pdf
- 基于子空間及變換域的人臉識(shí)別算法研究.pdf
- 基于稀疏表示改進(jìn)的人臉識(shí)別方法研究.pdf
- 基于改進(jìn)非負(fù)稀疏編碼的人臉識(shí)別.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
- 基于子空間分析的人臉識(shí)別研究.pdf
- 基于稀疏表示和聚類字典學(xué)習(xí)的人臉識(shí)別算法研究.pdf
- 基于稀疏流形學(xué)習(xí)的人臉識(shí)別研究.pdf
- 基于流形學(xué)習(xí)子空間的人臉識(shí)別方法研究.pdf
- 基于改進(jìn)LBP的人臉識(shí)別算法研究.pdf
- 基于幾何特征和子空間學(xué)習(xí)的人臉表情識(shí)別.pdf
- 基于子空間人臉識(shí)別算法的研究
評(píng)論
0/150
提交評(píng)論