收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于子空间分析与半监督学习人脸识别研究

崔鹏  
【摘要】:人脸识别作为一种生物特征识别技术,近年来成为模式识别与图像处理领域的研究热点,在公共安全、身份认证、财经信息以及公共管理等众多领域得到广泛的应用。尽管目前有很多有效的人脸识别算法,但由于图像数据集具有高维性与小样本性,类内变化大于类间变化以及特征空间结构复杂等特点,没有任何一种方法能适用于所有的情况。将多种识别方法有效结合,提高算法的鲁棒性,具有广泛的实用价值和深远的理论意义。子空间分析由于可描述性强、有效性高,已成为人脸识别最重要的研究方法。本文以线性子空间特征提取为基础,利用半监督学习并结合SVM核、离散余弦变换(DCT)、可控金字塔小波变换(SPT),对人脸识别进行了深入研究。本文的研究工作主要有以下几个方面: (1)分析了基于线性子空间的主成分分析(PCA)与线性判别分析(LDA)两种识别方法,针对其存在的高维数据难于执行以及小样本问题,利用DCT变换的频率特性以及少量标记样本约束信息,研究了两种半监督DCT识别算法:约束聚类最优DCT系数选择(CCODCT)算法以及半监督判别力分析(SSDPA)算法。CCODCT算法根据DCT频率分布特征,采用预掩模降低数据维数,提取中低频有效信息以降低计算代价;根据约束信息对投影的DCT系数进行半监督聚类,以提高算法的识别率;计算判别系数值(DC),按照DC值的大小,选择最优掩模进行特征投影。SSPDA则在预掩模的基础上,计算投影的DCT系数半监督判别力(SSDP),根据SSDP进行特征投影。实验结果表明,CCODCT与SSDPA算法的识别率高于传统方法;有效地解决了LDA因为小样本问题而维数受到限定的缺点。 (2)针对子空间分析方法对光照变化敏感问题,研究了一种基于局部图像增强的有监督DCT算法。首先通过局部图像对比度增强补偿不均匀的光照,将图像表示为对数域内的对比度增强灰度图像,以提高图像中重要但未观察到的纹理;然后将增强的对比度图像划分成块,利用DCT的频率特征,选取每块的低频重要特征,并将其进行组合,得到候选特征向量以降低数据的维数;根据类别信息,计算候选特征的块判别力,进行特征投影。实验结果表明该算法的性能优于传统算法,能够有效解决不均匀光照的影响以及LDA的小样本问题,并且计算代价较低,提高了人脸识别的效率以及准确率。 (3)针对子空间判别分析方法中存在的每类中共同协方差、特征空间维数不明确以及识别率低的局限,研究了一种支持向量直接判别分析(SVDDA)的非线性子空间特征提取算法,利用支持向量机核方法,将支持向量与子空间特征提取有效结合,优化特征值问题的求解过程;修改判别标准解决小样本问题,有效地提高人脸识别系统的识别率和鲁棒性。实验结果表明,与相关的子空间非线性核特征提取方法相比,SVDDA的性能优于其他方法,验证了算法的有效性与可靠性。 (4)针对小波变换方法存在计算复杂度较高、不能在所有方向进行分解以及子带尺度限制,研究了一种可控金字塔半监督局部判别(SPSLD)算法用于人脸识别。通过计算分割可控金字塔子带获得的每个子块的统计信息,提取局部信息,并对每个子带获得的局部特征进行组合,降低数据维数;利用少量标记数据,进行半监督局部判别分析以提升人脸识别的性能。将提出的方法与相关的全局特征识别方法以及其它多分辨率小波变换方法进行了比较,实验结果表明SPSLD的性能优于其它方法,对表情,光照具有较高的鲁棒性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李永忠;王汝山;张念贵;王玉雷;;基于半监督模糊聚类的入侵检测技术[J];江苏科技大学学报(自然科学版);2010年04期
2 傅向华,冯博琴,马兆丰,何明;可在线增量自学习的聚焦爬行方法[J];西安交通大学学报;2004年06期
3 丁磊,钱云涛;不同程度的监督机制在自动文本分类中的应用[J];计算机应用与软件;2004年06期
4 张晨光;李玉鑑;;基于半监督学习的眉毛图像分割方法[J];计算机工程与应用;2009年21期
5 刘叶青;刘三阳;谷明涛;;一种多项式光滑的半监督支持向量机分类算法[J];计算机科学;2009年07期
6 杨绪兵;潘志松;陈松灿;;半监督型广义特征值最接近支持向量机[J];模式识别与人工智能;2009年03期
7 鲁珂,赵继东,叶娅兰,曾家智;一种用于图像检索的新型半监督学习算法[J];电子科技大学学报;2005年05期
8 罗进;周学君;;半监督学习中非标记数据的利用[J];湖北大学学报(自然科学版);2008年01期
9 曹慧;刘玉峰;;未标记样本在半监督学习中的应用方法研究[J];广西轻工业;2008年12期
10 王汝山;李永忠;张念贵;王玉雷;;半监督学习在入侵检测系统中的应用[J];广西师范大学学报(自然科学版);2009年03期
11 梁吉业;高嘉伟;常瑜;;半监督学习研究进展[J];山西大学学报(自然科学版);2009年04期
12 张念贵;李永忠;王汝山;;半监督聚类算法及其在入侵检测中的应用[J];科学技术与工程;2010年01期
13 赵莹;张健沛;杨静;王冠军;;一种改进的分枝定界半监督支持向量机学习算法[J];电子学报;2010年02期
14 李欢;;半监督学习及其在数据挖掘中的应用[J];电脑知识与技术;2010年27期
15 常志勇;刘叶青;谷明涛;;用于在线数据分类的半监督最接近支持向量机[J];计算机工程与应用;2010年29期
16 杨伟;方涛;许刚;;基于朴素贝叶斯的半监督学习遥感影像分类[J];计算机工程;2010年20期
17 梁军;陈龙;周卫琪;陶文倩;姚明;胥正川;;基于马尔科夫随机场和鲁棒误差函数的半监督分类研究[J];山东大学学报(理学版);2010年11期
18 王永;程灿;戴明军;孙永;;一种半监督支持向量机优化方法[J];工矿自动化;2010年12期
19 刘蓉;李红艳;;半监督学习研究与应用[J];软件导刊;2010年08期
20 李妍妍;李媛媛;叶世伟;;基于流形正则化的分类与回归算法及应用[J];计算机仿真;2007年10期
中国重要会议论文全文数据库 前10条
1 谷方明;刘大有;王新颖;;基于半监督学习的加权支持向量域数据描述方法[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年
2 杨源;马云龙;林鸿飞;;基于权重标准化SimRank与半监督学习的产品属性归类[A];中国计算语言学研究前沿进展(2009-2011)[C];2011年
3 朱松豪;梁志伟;;用半监督学习方法实现图像检索[A];第二十九届中国控制会议论文集[C];2010年
4 邱慧宁;黄剑;陈羽;赖剑煌;;基于UDP的半监督学习及其在人脸识别的应用[A];第十四届全国图象图形学学术会议论文集[C];2008年
5 毕锦烟;李巍华;;基于半监督模糊核聚类的齿轮箱早期故障检测方法[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年
6 柳斌;李之棠;涂浩;;一种基于半监督学习的应用层流量分类方法[A];2008年全国开放式分布与并行计算机学术会议论文集(下册)[C];2008年
7 张召;业宁;业巧林;;基于配对约束的核半监督非线性降维算法[A];第五届全国信息检索学术会议论文集[C];2009年
8 何慧;陈博;郭军;;基于流形学习的半监督文本情感分类算法[A];第五届全国信息检索学术会议论文集[C];2009年
9 张艳红;孙超;;协同训练样本的动态元反射机制研究[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
10 王倩影;冯国灿;汤鑫;;δ-距离及其在半监督增强中的应用[A];第十五届全国图象图形学学术会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 孔怡青;半监督学习及其应用研究[D];江南大学;2009年
2 王娇;多视图的半监督学习研究[D];北京交通大学;2010年
3 兰远东;基于图的半监督学习理论、算法及应用研究[D];华南理工大学;2012年
4 徐雪;样本的几何信息在半监督学习中的应用研究[D];中国科学技术大学;2010年
5 朱岩;面向文本数据的半监督学习研究[D];北京交通大学;2012年
6 桂杰;基于图的半监督学习和维数约简方法及其应用研究[D];中国科学技术大学;2010年
7 潘俊;基于图的半监督学习及其应用研究[D];浙江大学;2011年
8 余国先;高维数据上的半监督学习研究[D];华南理工大学;2013年
9 赵志凯;半监督学习及其在煤矿瓦斯安全信息处理中的应用研究[D];中国矿业大学;2012年
10 任广波;基于半监督学习的遥感影像分类技术研究[D];中国海洋大学;2010年
中国硕士学位论文全文数据库 前10条
1 杨伟;基于半监督学习的遥感影像分类[D];上海交通大学;2010年
2 陈新勇;基于核策略的半监督学习方法研究[D];河北大学;2010年
3 黄明明;半监督学习方法研究及在警用平台中的应用[D];大连理工大学;2010年
4 蒋延生;基于图的适应性相似度估算的半监督学习[D];大连理工大学;2010年
5 冯元佶;基于图的半监督学习的改进研究[D];湘潭大学;2010年
6 余养强;半监督学习若干问题的研究[D];福建师范大学;2010年
7 刘伟涛;半监督学习方法及应用研究[D];山东大学;2011年
8 杨伟;半监督学习方法研究[D];国防科学技术大学;2011年
9 魏征丽;基于图半监督学习算法的研究及应用[D];西安电子科技大学;2012年
10 惠成峰;基于半监督学习的电子商务推荐方法[D];南京大学;2013年
 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