收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于图像分块稀疏表示的人脸识别算法研究

赵孝磊  
【摘要】:人脸识别是图像识别中一项重要的技术。现有流行的人脸识别方法多数需要对图像进行预处理等一些复杂的特征提取,特征选择对识别率有着很大的影响,同时由于对遮挡、噪声等情况缺乏鲁棒性,使得现有的人脸识别方法在实际的应用中受到制约。与传统的人脸识别算法不同,稀疏表示由于其较高的识别率、鲁棒性强等优势受到越来越多研究者的学习和关注。稀疏表示是压缩感知中的重要的理论,数据的稀疏表示,可以从本质上降低数据处理的成本,提高压缩效率。稀疏表示用在图像分类识别上有着独特的优势,使得特征选择不再是必要条件。本文所做工作及取得的成果如下:(1)提出了一种基于非重叠分块的加权稀疏表示算法。它主要包含两个阶段。第一阶段,人脸图片以非重叠的方式分成多块,每一块都是单独处理,测试图像和训练图像都按照同样的方式分块,每一个模块的稀疏度和残差被用来共同的决定模块的加权系数。第二阶段,利用加权系数对各个模块的特征向量进行加权,重构出一个新的全局特征向量,分类识别结果主要依据这个重构的全局特征向量。与传统的算法相比,算法有效地提高了识别率。(2)人脸的表情变化、遮挡、掩饰、光照问题是影响人脸识别率的主要问题。经过对以上问题的分析,提出了一种基于低秩分块的稀疏表示人脸识别算法。该算法采用了一种新的结构不相关的低秩矩阵恢复方法,同时采用离散余弦变换(DCT)方法联合处理人脸图像中遮挡、掩饰和光照的问题,对处理过的图片采用一种独特的重叠分块方法,利用冗余信息有效地提高了算法的识别率。在分类阶段,利用alignment pooling的方法,有效地提高了识别速度。该算法在不同条件下进行了多次实验,包括光照变化、表情变化、眼镜遮挡、围巾遮挡等,实验结果清楚地表明该算法比模块化、全局化的方法更加优越,更加具有鲁棒性。(3)基于稀疏表示的人脸识别(SRC)主要面向的是单输入的人脸识别算法,同一个个体在不同条件下所拍摄的人脸图像只能一个一个的通过算法的检测识别来确定个体的标识,这样就大大的增加了识别的时间,更重要的是忽略了这些人脸图像之间的相关性。同时,在实际的人脸识别系统中,当面临高维的训练集,识别速度会大大变慢。针对以上不足,提出了一种基于图像重构与哈希的人脸识别算法,该算法在稀疏表示的基础上,提出了一种图像重构模型,对人脸识别中多输入测试图像的情况进行了改进。同时,将哈希算法与正交匹配追踪算法(OMP)结合在一起,在不同条件下进行了多次实验,包括光照变化、表情变化、眼镜遮挡、围巾遮挡等,与现在流行的技术相比,提高了识别速度和识别率。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期
2 赵瑞珍;王飞;罗阿理;张彦霞;;基于稀疏表示的谱线自动提取方法[J];光谱学与光谱分析;2009年07期
3 杨蜀秦;宁纪锋;何东健;;基于稀疏表示的大米品种识别[J];农业工程学报;2011年03期
4 史加荣;杨威;魏宗田;;基于非负稀疏表示的人脸识别[J];计算机工程与设计;2012年05期
5 高志荣;熊承义;笪邦友;;改进的基于残差加权的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2012年03期
6 朱杰;杨万扣;唐振民;;基于字典学习的核稀疏表示人脸识别方法[J];模式识别与人工智能;2012年05期
7 耿耀君;张军英;袁细国;;一种基于稀疏表示系数的特征相关性测度[J];模式识别与人工智能;2013年01期
8 张疆勤;廖海斌;李原;;基于因子分析与稀疏表示的多姿态人脸识别[J];计算机工程与应用;2013年05期
9 李正周;王会改;刘梅;丁浩;金钢;;基于形态成分稀疏表示的红外小弱目标检测[J];弹箭与制导学报;2013年04期
10 胡正平;赵淑欢;李静;;基于块稀疏递推残差分析的稀疏表示遮挡鲁棒识别算法研究[J];模式识别与人工智能;2014年01期
11 陈思宝;赵令;罗斌;;局部保持的稀疏表示字典学习[J];华南理工大学学报(自然科学版);2014年01期
12 王铿;张重阳;齐朗晔;;基于核距离的稀疏表示的交通标识识别[J];计算机应用与软件;2014年03期
13 单建华;张晓飞;;稀疏表示人脸识别的关键问题分析[J];安徽工业大学学报(自然科学版);2014年02期
14 栾悉道;王卫威;谢毓湘;张芯;李琛;;非线性稀疏表示理论及其应用[J];计算机科学;2014年08期
15 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
16 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
17 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
18 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
19 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
20 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
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 王道文;基于稀疏表示的目标跟踪算法研究[D];华南理工大学;2015年
2 李哲;基于稀疏表示和LS-SVM的心电信号分类[D];河北大学;2015年
3 孙雪青;Shearlet变换和稀疏表示相结合的甲状腺结节图像融合[D];河北大学;2015年
4 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年
5 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年
6 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年
7 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年
8 贺妍斐;基于稀疏表示与自适应倒易晶胞的遥感图像复原方法研究[D];南京信息工程大学;2015年
9 杨烁;电能质量扰动信号的稀疏表示/压缩采样研究[D];西南交通大学;2015年
10 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015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