收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

非约束环境下的稀疏表示人脸识别算法研究

张铃华  
【摘要】:人脸识别具有广泛的应用价值与研究意义,是当今计算机视觉及生物识别领域的研究热点。本文研究非约束环境下的稀疏表示人脸识别算法,主要工作如下:(1)提出了基于HOG特征和多项式核函数的稀疏表示人脸识别算法。HOG特征对图像几何和光学的形变能保持很好的不变性,当光照、表情变化时该特征具有很好的鲁棒性,但是所提取的HOG特征维数较高。而核方法提供了一种很好的解决途径,它利用特征映射将低维输入空间中的线性不可分数据映射到高维特征空间,使其在该空间中变得线性可分。在AR数据库上证明了该算法的有效性。(2)提出了统一化的LGBP特征及稀疏表示人脸识别算法。Gabor小波核函数不仅能够捕获图像中的不同的空间频率、位置和方向信息,而且能够提取出细微的变化,它的特性与人类大脑皮层简单细胞的2维反射区是相同的。同时,ULBP对图像局部纹理特征具有很强的描绘能力,对光照具有不敏感性。该算法首先将人脸图像经过Gabor滤波器滤波得到Gabor相位和幅值图像,然后分块提取其统一化的局部二进制直方图,最后通过稀疏表示判断测试图像所属类。(3)提出了判别式字典学习的稀疏表示人脸识别算法。将Fisher判别准则应用于编码系数,使得稀疏编码系数的类内离散度尽可能小而内间离散度尽可能大,每类的特征差异变大,稀疏编码系数的判别性增强。该算法首先将人脸图像经过Gabor滤波器滤波得到Gabor幅值图像,其次提取其统一化的局部二进制直方图,然后利用Fisher判别准则进行字典学习得到新的稀疏表示字典,最后通过稀疏表示判断测试图像所属类。(4)研究了正则化的稀疏表示人脸识别算法,并提出改进的算法:字典重建的正则化稀疏表示人脸识别算法。该算法首先对测试人脸图像进行灰度阈值变换及平滑处理,其次将训练样本与灰度阈值变换处理后的测试样本图像进行融合,得到新的训练样本,最后用正则化的稀疏表示识别算法对测试样本进行分类识别。利用AR人脸数据库进行实验仿真,与正则化的稀疏表示算法相比,改进算法的识别率得到了较明显的提高。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 杨荣根;任明武;杨静宇;;基于稀疏表示的人脸识别方法[J];计算机科学;2010年09期
2 郑轶;蔡体健;;稀疏表示的人脸识别及其优化算法[J];华东交通大学学报;2012年01期
3 段菲;章毓晋;;一种面向稀疏表示的最大间隔字典学习算法[J];清华大学学报(自然科学版);2012年04期
4 李仲生;李仁发;蔡则苏;赵乘麟;;稀疏表示下的非监督显著对象提取[J];电子学报;2012年06期
5 段菲;章毓晋;;基于多尺度稀疏表示的场景分类[J];计算机应用研究;2012年10期
6 胡正平;李静;白洋;;基于样本-扩展差分模板的联合双稀疏表示人脸识别[J];信号处理;2012年12期
7 姜芳芳;;稀疏表示理论在提高数字图像质量中的应用[J];科技创新导报;2012年36期
8 马莉娜;;增强的两阶段测试样本稀疏表示方法[J];福建电脑;2013年07期
9 尹学忠;樊甫华;;基于字典学习的超宽带信号稀疏表示与降噪方法[J];计算机应用研究;2014年06期
10 张佳宇;彭力;;基于联合动态稀疏表示方法的多图像人脸识别算法[J];江南大学学报(自然科学版);2014年03期
11 陈才扣;喻以明;史俊;;一种快速的基于稀疏表示分类器[J];南京大学学报(自然科学版);2012年01期
12 陈垚佳;张永平;;图像过完备稀疏表示理论及应用综述[J];电视技术;2012年17期
13 查长军;孙南;张成;韦穗;;基于稀疏表示的特定目标识别[J];吉林大学学报(工学版);2013年01期
14 张涛;梁德群;王新年;;基于稀疏表示的图像模糊度评价方法[J];计算机工程;2013年04期
15 朱启兵;杨宝;黄敏;;基于核映射稀疏表示分类的轴承故障诊断[J];振动与冲击;2013年11期
16 王国权;张扬;李彦锋;王丽芬;马晓梅;;一种基于稀疏表示的图像去噪算法[J];工业仪表与自动化装置;2013年05期
17 丁昕苗;李兵;胡卫明;郭文;王振翀;;基于多视角融合稀疏表示的恐怖视频识别[J];电子学报;2014年02期
18 张石清;赵小明;楼宋江;闯跃龙;郭文平;陈盈;;一种局部敏感的核稀疏表示分类算法[J];光电子.激光;2014年09期
19 范少萍;郑春厚;王召兵;;基于元样本稀疏表示分类器的文本资源分类[J];图书情报工作;2011年16期
20 翟懿奎;甘俊英;徐颖;曾军英;;快速稀疏表示指背关节纹识别及其并行实现[J];吉林大学学报(工学版);2012年S1期
中国重要会议论文全文数据库 前3条
1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集(上册)[C];2013年
2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
3 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年
中国博士学位论文全文数据库 前10条
1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年
2 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2014年
3 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年
4 李小薪;稀疏表示的分段匹配寻踪方法[D];华南理工大学;2009年
5 何艳敏;稀疏表示在图像压缩和去噪中的应用研究[D];电子科技大学;2011年
6 宋相法;基于稀疏表示和集成学习的若干分类问题研究[D];西安电子科技大学;2013年
7 匡金骏;基于稀疏表示的图像分类与目标跟踪研究[D];重庆大学;2013年
8 李海山;基于稀疏表示理论的地震信号处理方法研究[D];中国石油大学(华东);2013年
9 邓承志;图像稀疏表示理论及其应用研究[D];华中科技大学;2008年
10 路锦正;基于稀疏表示的图像超分辨率重构技术研究[D];电子科技大学;2013年
中国硕士学位论文全文数据库 前10条
1 张琨雨;在线字典训练及加权差异性稀疏表示的研究[D];大连理工大学;2011年
2 王勇;基于稀疏表示的人脸识别研究[D];五邑大学;2013年
3 李义真;基于词包与稀疏表示的场景分类[D];华南理工大学;2013年
4 孙丽花;基于稀疏表示的人脸识别方法研究[D];河南科技大学;2013年
5 陈天娇;基于分组稀疏和权重稀疏表示的人脸识别研究[D];安徽大学;2014年
6 刘自成;基于稀疏表示的雷达目标角度与距离估计[D];西安电子科技大学;2014年
7 李立;基于稀疏表示的人脸图像识别方法研究[D];南京理工大学;2012年
8 满江月;基于稀疏表示的代价敏感性人脸识别算法研究[D];南京邮电大学;2012年
9 赵广銮;稀疏表示在图像识别中的应用[D];北京邮电大学;2013年
10 罗燕龙;基于局部稀疏表示模型的在线字典学习跟踪算法研究[D];厦门大学;2014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