收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于核范数的特征抽取与人脸识别应用研究

丁宇  
【摘要】:人脸识别已经成为模式识别以及机器学习领域内的一个重要研究课题。如何抽取有效特征是人脸识别算法成功的关键。迄今为止,人们已经提出了大量的特征抽取算法,这些算法大致分成两大类:线性特征抽取和非线性特征抽取。最经典的线性特征抽取算法是主成分分析(PCA)、线性鉴别分析(LDA)。非线性特征抽取方法又可分为基于核的子空间学习,包括核主成分分析(KPCA)、核线性鉴别分析(KLDA)和基于流形的子空间学习,包括局部保持投影(LPP)、边界Fisher分析(MFA)等。传统特征抽取算法通常用欧氏范数作为距离度量尺度,欧氏范数对噪声(光照、姿势、遮罩)缺乏鲁棒性。为了进一步增强特征抽取算法对噪声的鲁棒性。本文就基于核范数的特征抽取与人脸识别应用进行了深入研究,具体工作如下:1、基于核范数的双向二维主成分分析(Nuclear Norm Based Bidirectional 2DPCA)。经典二维主成分分析方法采用F范数来度量样本与重构间的误差,但F范数对于由光照、姿势、遮罩产生的噪声十分敏感。为此本文提出了基于核范数的双向二维主成分分析,主要思想如下:由于经典二维主成分分析只完成水平方向图像压缩,本文在其基础上添加了竖直方向图像压缩。同时考虑到以欧氏范数作为度量距离尺度对噪声缺乏鲁棒性,所以利用核范数来重新定义了样本之间的重构误差。利用矩阵变化可以将核范数优化问题转化成一系列欧氏范数优化问题。分类阶段,使用核范数分类器进行分类识别。经过上述改进不仅更加完整保护了样本的结构信息,同时也有效的减小噪声样本带来的影响。在扩展YALE B库和CMU PIE库中得到了有效的验证。2、基于核范数的图正则化非负矩阵分解(Nuclear Norm based Graph Regularization Non-Negative Matrix Factorization)。非负矩阵分解已经广泛运用于人脸识别领域之中,它是将原矩阵分解成为两个不同非负的矩阵,使得这两个矩阵的乘积等于原矩阵,由于其没有非负值,所以非常贴近数据非负这一属性,但是它忽视样本之间的近邻关系。考虑上述缺陷,本文提出了基于核范数的图正则化非负矩阵分解(NGNMF),其主要思想是利用核范数来重新度量两个非负矩阵的乘积与原始数据样本之间的误差,在算法求解时,利用核范数与F范数之间的关系,将核范数优化问题转化成一系列F范数优化问题,经过多次迭代求得最优解。经过以上述改进减弱了噪声给算法带来的影响。在AR库和YALE库做了实验,证明算法的有效性。3、基于核范数的二维监督鉴别投影(Nuclear Norm based Two-dimensional Supervised Discriminate Projection)。为了增强二维特征抽取算法对噪声的鲁棒性和鉴别能力,提出了基于核范数的二维监督鉴别投影。该算法利用核范数重新定义样本类间散度分布,用同类样本构建二维局部保持投影近邻图。通过寻找一组投影矩阵使得目标函数达到最小值。经投影可使类间散度最大和类内散度最小。在ORL库、FERET库、YALE库上实验数据表明此算法的性能优于基于F范数的算法。4、指数保局鉴别投影分析(Exponential Discriminate Locality Preserving Projection Analysis)为了解决鉴别保局投影人脸算法中出现的小样本问题,提出了指数保局鉴别投影分析。该方法将鉴别保局类内离散度矩阵和鉴别保局类间离散度矩阵投射到一个新的空间,在此空间中鉴别保局类内离散度矩阵和鉴别保局类间离散度矩阵均非奇异,因此可以获得更多的鉴别信息。并且,在新空间中,类间距离变大,提高数据间的可分性。在ORL库,FERET库和AR库上的大量实验表明此算法的性能优于保局投影、鉴别保局投影的人脸识别算法,同时实验结果也验证了算法的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 徐雷,阎平凡;时间序列特征抽取的一种新方法[J];信息与控制;1986年04期
2 梅村;胡玉华;;脑电波的预处理和时域特征抽取[J];北京邮电学院学报;1990年04期
3 周春光;味觉信号的特征抽取[J];吉林大学自然科学学报;1994年02期
4 范燕,吴小俊,惠长坤,刘同明;人脸图象特征抽取和识别的一种混合方法研究[J];华东船舶工业学院学报(自然科学版);2003年02期
5 张学如,袁石夫,赵世杰,陈历学,李淳飞;多重不变图象特征抽取器[J];应用激光;1995年02期
6 蒋宗礼;徐学可;李帅;;文本分类中基于词条聚合的特征抽取[J];哈尔滨工程大学学报;2008年11期
7 刘永芹;刘永俊;常晋义;;彩色人脸鉴别特征抽取及识别[J];常熟理工学院学报;2010年08期
8 杨茂龙;王远方;孙权森;夏德深;;偏最小二乘改进算法与特征抽取[J];计算机工程与应用;2011年01期
9 罗夏峰;明曙军;刘永俊;;彩色人脸图像鉴别特征抽取综述[J];常熟理工学院学报;2011年04期
10 肇祺;地震剖面层状构造的特征抽取和描述方法[J];清华大学学报(自然科学版);1985年02期
11 阎平凡;任意范数熵与特征抽取[J];信息与控制;1988年01期
12 程永清;庄永明;杨静宇;;基于矩阵相似度的图象特征抽取和识别[J];计算机研究与发展;1992年11期
13 秦进,陈笑蓉,汪维家,陆汝占;文本分类中的特征抽取[J];计算机应用;2003年02期
14 金忠,李士进,杨静宇;人脸图象的校准与特征抽取[J];小型微型计算机系统;2000年07期
15 杨健,杨静宇,王正群,郭丽;一种组合特征抽取的新方法[J];计算机学报;2002年06期
16 董秀成;高炉传感器信息的特征抽取及数据处理技术[J];四川工业学院学报;1991年Z1期
17 吴波,吴功平,杨叔子,马元镐;柴油机喷油系统压力波形的特征抽取及描述方法[J];振动工程学报;1992年01期
18 黄修武,杨静宇,郭跃飞;基于隶属度的人脸图像特征抽取和识别[J];电子学报;1998年05期
19 陈芬;苏新宁;;视频主对象特征抽取与分类挖掘研究[J];现代图书情报技术;2013年10期
20 王文胜;杨静宇;陈伏兵;;图像特征抽取的奇异值分解方法[J];计算机工程;2006年08期
中国重要会议论文全文数据库 前5条
1 邓中亮;;雕刻型面的特征抽取机制与自动辩识[A];1998年中国智能自动化学术会议论文集(下册)[C];1998年
2 郭宗睿;郑义;;彩色图象中人脸自动检测定位和特征抽取[A];1998年中国智能自动化学术会议论文集(下册)[C];1998年
3 曹三省;黄祥林;刘剑波;吕锐;;基于Gaussian模糊隶属的媒体内容对象特征抽取[A];第二届和谐人机环境联合学术会议(HHME2006)——第15届中国多媒体学术会议(NCMT'06)论文集[C];2006年
4 孙萌;姚建民;吕雅娟;刘群;姜文斌;;基于最大熵短语重排序模型的特征抽取算法改进[A];第五届全国青年计算语言学研讨会论文集[C];2010年
5 陈才扣;侯钰;;自适应监督鉴别投影分析[A];中国自动化学会控制理论专业委员会A卷[C];2011年
中国博士学位论文全文数据库 前10条
1 王丹丹;文本宏特征抽取与基于质心的自动分类方法研究[D];哈尔滨工业大学;2014年
2 杨万扣;人脸识别中的部分特征抽取技术研究[D];南京理工大学;2009年
3 赵才荣;基于图嵌入与视觉注意的特征抽取[D];南京理工大学;2011年
4 万鸣华;基于图嵌入的特征抽取与人脸识别研究[D];南京理工大学;2011年
5 陈伏兵;人脸识别中鉴别特征抽取若干方法研究[D];南京理工大学;2006年
6 吴小俊;图象特征抽取与识别理论及其在人脸识别中的应用[D];南京理工大学;2002年
7 杨茂龙;相关投影分析在特征抽取中的应用研究[D];南京理工大学;2011年
8 严慧;线性特征抽取研究及其在人脸识别中的应用[D];南京理工大学;2011年
9 徐洁;基于子空间分析的特征抽取及分类方法研究[D];南京理工大学;2012年
10 宋晓宁;图像特征抽取的若干新方法研究[D];南京理工大学;2011年
中国硕士学位论文全文数据库 前10条
1 丁宇;基于核范数的特征抽取与人脸识别应用研究[D];扬州大学;2015年
2 丁鑫龙;基于重构的鉴别特征抽取及人脸识别应用研究[D];扬州大学;2013年
3 彭柳艳;中文网络产品评论的特征抽取及观点分类研究[D];武汉纺织大学;2011年
4 范冠杰;基于动态反馈的特征抽取及人脸识别应用研究[D];扬州大学;2014年
5 朱善宗;面向情感分析的特征抽取技术研究[D];哈尔滨工业大学;2009年
6 于亮;科技文献的文本特征抽取研究与应用[D];北京邮电大学;2009年
7 徐春明;基于子空间分析的特征抽取及人脸识别技术研究[D];扬州大学;2006年
8 任建辉;基于核的非线性特征抽取与人脸识别方法研究[D];南京理工大学;2009年
9 洪立印;基于关系的文本特征抽取和特征学习[D];北京邮电大学;2014年
10 崔娟娟;基于线性重构的特征抽取及分类应用研究[D];扬州大学;2014年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978