检索结果-南通市图书馆

基于最近正交矩阵的二维鉴别投影及人脸识别应用

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2017年第8期29卷 1457-1464页

作者：殷俊孙仕亮上海海事大学信息工程学院上海201306 高维信息智能感知与系统教育部重点实验室(南京理工大学) 南京210094 华东师范大学计算机科学技术系上海200241

为了解决人脸识别中的光照干扰问题,提出基于最近正交矩阵的二维鉴别投影方法.首先利用奇异值分解获取人脸图像矩阵的最近正交矩阵表示;然后利用获得的最近正交矩阵分别构建基于最近正交矩阵的类内散度和基于最近正交矩阵的类间散度;最... 详细信息

为了解决人脸识别中的光照干扰问题,提出基于最近正交矩阵的二维鉴别投影方法.首先利用奇异值分解获取人脸图像矩阵的最近正交矩阵表示;然后利用获得的最近正交矩阵分别构建基于最近正交矩阵的类内散度和基于最近正交矩阵的类间散度;最后通过最大化类间散度同时最小化类内散度获取二维鉴别投影,并通过该投影获得低维特征.在Yale,CMU-PIE以及AR数据库上进行人脸识别实验,证明了该方法的有效性.

关键词：最近正交矩阵维数约简鉴别投影人脸识别

融合核主成分分析和最小距离鉴别投影的人脸识别算法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2016年第4期42卷 221-225,234页

作者：刘君黄燕琪熊邦书南昌航空大学信息工程学院南昌330063

针对人脸识别问题,在原有的最小距离鉴别投影算法的基础上,根据核主成分分析(KPCA)方法,提出一种新的融合核主成分分析和最小距离的鉴别投影算法。运用KPCA对高维样本空间进行降维,通过核技巧将样本映射到高维非线性空间,继而在降维后... 详细信息

针对人脸识别问题,在原有的最小距离鉴别投影算法的基础上,根据核主成分分析(KPCA)方法,提出一种新的融合核主成分分析和最小距离的鉴别投影算法。运用KPCA对高维样本空间进行降维,通过核技巧将样本映射到高维非线性空间,继而在降维后的核子空间上通过鉴别投影方法计算其相应的投影矩阵,采用最近邻分类方法对样本进行分类并最终实现人脸识别。在ORL,FERET和YALE人脸库上的实验结果表明,该算法的识别率优于其他算法,可避免高维矩阵的计算复杂问题,同时定义的核子空间相似度权重也较好地保持了样本之间的近邻关系。

关键词：主成分核主成分核子空间鉴别投影人脸识别特征提取

在线全文

学校读者我要写书评

暂无评论

基于核最小距离鉴别投影的人脸识别算法

测试技术学报 2015年第5期29卷 369-373页

作者：刘君黄燕琪汪传忠南昌航空大学信息工程学院江西南昌330063

针对人脸图像的非线性分布特征,本文在最小距离鉴别投影(MDP)算法的基础上,提出了一种新的核最小距离鉴别投影算法.该方法首先通过核方法将样本映射到高维非线性空间,继而在得到的高维非线性空间上进行最小距离鉴别投影并计算其相应的... 详细信息

针对人脸图像的非线性分布特征,本文在最小距离鉴别投影(MDP)算法的基础上,提出了一种新的核最小距离鉴别投影算法.该方法首先通过核方法将样本映射到高维非线性空间,继而在得到的高维非线性空间上进行最小距离鉴别投影并计算其相应的投影矩阵,使得样本与类内、类间中心距离达到最优.最后采用最近邻分类方法对样本进行分类识别.通过在ORL和YALE人脸库上进行的实验,验证了该算法取得的识别效果优于其他方法.

关键词：最小距离最近邻鉴别投影人脸识别

在线全文

学校读者我要写书评

暂无评论

线性回归分类器的改进与拓展研究

线性回归分类器的改进与拓展研究

作者：朱换荣南京理工大学

学位级别：硕士

随着信息技术的迅猛发展及其在日常生活中的快速融入,人们越来越需要准确并且有效地识别用户身份,从而保障信息安全以及公共领域的安全。人脸识别因具有非侵犯性、隐蔽性等特点受到了广泛关注。虽然人脸识别技术已经日臻成熟,但是如何... 详细信息

随着信息技术的迅猛发展及其在日常生活中的快速融入,人们越来越需要准确并且有效地识别用户身份,从而保障信息安全以及公共领域的安全。人脸识别因具有非侵犯性、隐蔽性等特点受到了广泛关注。虽然人脸识别技术已经日臻成熟,但是如何在光照、表情变化、遮罩变化等条件下保持算法的稳定性并提高分类效果仍面临着很大的挑战。本文以人脸识别方法中存在的关键性研究问题为出发点,对线性回归分类器进行了改进与拓展研究。本文的主要工作如下:(1)提出了基于线性回归分类器的正交鉴别投影方法(ODP-LRC)。线性回归分类器(LRC)是一种有效的分类器,在人脸识别上表现出了良好的性能。但是原始的特征空间无法保证LRC的性能。为了解决这个问题,本文基于LRC的决策准则,设计与之相匹配的降维方法,提出了ODP-LRC方法。通过添加正交约束去除冗余的信息,提高了算法的性能。基于正交约束,使用了一种新的迹比优化方法求解目标函数。实验结果验证了所提方法的有效性。(2)提出了基于局部线性回归分类器的正交鉴别投影方法(ODP-LLRC)。基于线性子空间的算法均假设同一类的样本处于同一线性子空间,但是现实世界的图像不一定是线性的。针对这个问题,局部线性回归分类器(LLRC)使用流形学习过程去除不符合线性假设的人脸图像,从而对传统的LRC进行了扩展。本文提出了ODP-LLRC方法,采用LLRC的决策准则,最大化类间局部重构误差同时最小化类内局部重构误差。利用线性回归系数与投影矩阵之间的关系,使用了一种有效的迭代交替更新的方法来解决优化问题。实验结果验证了所提方法的有效性。(3)提出了基于域适应线性回归分类器的联合鉴别投影和字典学习方法(JDPDL-LRC)。LRC在很多识别问题上表现出了良好的性能,但是当训练样本和测试样本的分布不同时,LRC的性能可能会大打折扣。针对这个问题,本文提出了一种新的字典学习方法JDPDL-LRC,基于LRC的决策准则,学习每个域的投影矩阵和共享字典,使低维特征子空间中样本的类间重构误差最大,同时类内重构误差最小。利用优化变量之间的关系,使用了一种有效的迭代交替更新方法来解决优化问题。在单源域和多源域上的实验结果验证了所提方法的有效性。

关键词：线性回归分类器维数约简人脸识别鉴别投影字典学习域适应

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

人脸识别中特征提取算法的研究及应用

人脸识别中特征提取算法的研究及应用

作者：黄燕琪南昌航空大学

学位级别：硕士

近些年随着人脸识别技术在计算机视觉、人工智能方面的广泛应用,这就使得该项技术在现实生活中拥有重要的应用价值和现实意义。如门禁系统、公共安全等。同时人脸识别技术作为生物特征识别领域中最直接、友好的交互方式,也使得它成为了... 详细信息

近些年随着人脸识别技术在计算机视觉、人工智能方面的广泛应用,这就使得该项技术在现实生活中拥有重要的应用价值和现实意义。如门禁系统、公共安全等。同时人脸识别技术作为生物特征识别领域中最直接、友好的交互方式,也使得它成为了计算机模式识别领域研究的活跃话题。最为经典且其理论已经达到很成熟的人脸识别算法分别是Person K和Fisher R A提出的主成分分析(PCA)和线性鉴别分析(LDA)。并且,到目今为止,很多的新兴方法都是以它们为基准而提出来的。本文在前人的基础上,以最早出现的且理论成熟的人脸特征提取算法PCA和LDA为基准,主要进行了以下几项工作:文章首先介绍了人脸识别技术的发展历史及其应用领域,给出了国内外的研究现状,同时对人脸识别技术经常用到的人脸数据库做了简要的阐述,并且分析了影响人脸识别效率的主要技术难点。其次给出PCA和LDA算法的具体流程及其应用于人脸识别系统的工作原理。同时还给出了这两种方法对于高维数据降维的示例分析。分析了结合PCA和LDA两种方法优势的算法PCA+LDA具体流程。然而,这三类方法均属于线性特征提取方法,无法表征人脸图像的高维非线性结构信息。第三和第四章作为本文的核心内容,在第三章分析了KPCA算法,它是由Schoholkopf等人在支持向量机中通过核函数实现非线性变化的影响,将其与PCA方法结合所提出来的,弥补了线性特征提取方法中的不足。并给出基于KPCA方法的改进方法用于提取人脸的非线性结构信息。同时,给出流形学习算法LLE和基于LDA的改进算法原理。在ORL人脸库上进行相关实验,分析各自方法的优缺点。然而,PCA方法只能提取样本的全局信息,并未考虑到样本之间的鉴别信息,结合PCA和Fisher鉴别分析的方法,同时考虑到样本的全局信息和鉴别信息,识别率得到提升,但对人脸图像的非线性结构信息不能形成有效映射。而几种流形算法就其本质而言,他们都是种线性的特征提取方法。针对人脸高维分布的非线性特性,本文提出一种新的基于核主成分分析和最小距离鉴别投影的人脸识别方法。该方法首先基于核主成分分析提取人脸的几何特征,获取相应的投影矩阵以达到样本的降维效果,降维后的子空间内包含了样本的非线性信息,最后在降维后的子空间内实施最小距离鉴别,得到的投影矩阵不仅包含样本之间的鉴别信息同时包括样本之间的近邻关系。最后,为验证该方法的有效性,分别在英国剑桥大学的ORL、美国军方的FERET人脸库和YALE人脸库中进行相关实验。

关键词：核主成分核子空间鉴别投影人脸识别

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于线性回归分析的特征抽取及分类应用研究

基于线性回归分析的特征抽取及分类应用研究

作者：王禹扬州大学

学位级别：硕士

随着信息产业的飞速发展,人类生物特征识别技术成为一种热门研究领域。在众多生物特征识别技术中,人脸识别技术因其特有的主动性、非侵犯性以及用户友好性等优点,一直受到学术界和商业界的广泛关注。人脸识别系统分为四个部分：人脸图... 详细信息

随着信息产业的飞速发展,人类生物特征识别技术成为一种热门研究领域。在众多生物特征识别技术中,人脸识别技术因其特有的主动性、非侵犯性以及用户友好性等优点,一直受到学术界和商业界的广泛关注。人脸识别系统分为四个部分：人脸图像采集、人脸图像预处理、人脸图像特征提取以及分类识别,其中最重要的环节是特征抽取环节。特征抽取目的主要在于降维,其基本思想是将原样本投影到一个低维特征空间,得到原样本的最本质信息。在国内外众多专家学者的不懈努力下,已涌现出诸多经典算法,例如主成份分析和线性鉴别分析是最为著名的算法,此后出现的稀疏表示方法也逐渐被人们熟知并广泛应用于模式识别领域,稀疏表示算法的基本思想就是用一系列已知样本来线性表示出一个未知样本的大部分信息。但是这些算法具有一定的弊端,即在实际工作中,图像采集时较易受到外部环境(如光照、遮挡阴影等)的干扰,所以如何在图像采集的同时能尽可能减少噪声干扰变得尤为重要。本文基于线性回归分析的特征抽取及分类应用进行了深入的研究。全文主要工作概括如下：1、迁移线性表示分类(Transfer Linear Representation Classification)传统的稀疏表示方法一般是用训练样本的线性组合去表示测试样本,忽略了训练集和测试集之间的分布差异,而且仅考虑了训练样本所包含的信息,测试样本内也有对分类识别较为有效的信息。为解决这一问题,本文提出一种迁移线性表示分类方法,有效的考虑了测试样本所包含的信息,减小了训练集和测试集之间的分布差,增强了训练集和测试集之间的“兼容”性,提高了算法的识别性能,且该方法可作为一个图像预处理方法。在GT、AR、Extended Yale B和CMU PIE数据库上的实验证明了该方法的有效性和实用性。2、基于镜像图像的鲁棒最小平方误差算法(Mirror Image based Robust Minimum Squared Error Algorithm)最小平方误差方法在计算机视觉领域应用广泛,该方法目的在于寻求一种能预测样本类别标签的映射,从而利用该映射预测出测试样本的类别。但是该方法缺乏一定的鲁棒性能,即对于那些带有姿态表情变化的样本,最小平方误差方法无法取得良好的识别效果。此外,缺乏足够的训练样本是模式识别中一个经典问题,所以有学者提出镜像图像的思想,可有效扩大训练样本集。本文结合镜像图像思想和最小平方误差的缺点提出了一个基于镜像图像的鲁棒最小平方误差算法。在FERET、Extended Yale B、ORL和AR人脸库上的实验表明,相对于原最小平方误差方法,本文所提算法具有更强的鲁棒性和识别性能。3、基于非负表示系数的两阶段人脸识别(Two Stages Face Recognition Based On Nonnegative Representation Coefficient)衡量人脸识别算法的优劣通常需要综合考虑算法识别性能和算法复杂度,传统的稀疏表示方法确实能取得一定的识别效果,但是时间复杂度较高,而且对于任意测试样本,通常需要逐一考察每类训练样本与测试样本的距离,较为繁琐。事实上有些训练样本对线性表示测试样本的贡献较小,完全可以不用考虑。根据这一思想,本文提出了基于非负表示系数的两阶段人脸识别算法,其主要思想是：第一阶段用所有训练样本线性表示测试样本,且约束表示系数非负,从而剔除表示系数较小的训练样本;第二阶段将剩余的训练样本分类,用每类训练样本重构测试样本。针对测试样本的分类问题,本文提出两种识别方案,方案一通过衡量测试样本与每类重构样本之间的残差对测试样本进行分类识别,方案二用每类重构样本表示测试样本且系数非负,根据得到的表示系数计算残差,将测试样本分类到残差最小的类别。在ORL、FERET和GT人脸数据库上的实验验证了该方法的有效性和实用性。4、基于迁移线性表示的l2范数重构鉴别投影(l2-norm Reconstruction Discriminant Projection Based On Transfer Linear Representation)在人脸识别中,由于传统的稀疏表示方法没有给出一种能够处理噪声的机制等问题,且当提取的特征数量非常少时,不同的特征提取方法的识别性能也存在着显著的差异,所以Yang等人提出了稀疏表示鉴别投影方法,目的是在做稀疏表示分类算法时,用少量的特征取得较高的识别率;针对该方法的时间复杂度较高等问题,Cui等人提出了协同表达鉴别投影。但是这些方法通常都是用训练样本“单向”表示测试样本,忽略了测试样本中的信息,而且当训练集和测试集之间存在较大的分布差异时,识别效果往往不佳。所以本文提出基于迁移线性表示的l2范数重构鉴别投影,该方法首先利用迁移线性表示增强训练集和测试集之间的“兼容”性,然后再做协同表达鉴别投影

关键词：人脸识别特征提取主成份分析线性鉴别分析稀疏表示迁移学习镜像图像鉴别投影时间复杂度图像识别