小样本人脸图像特征抽取和识别方法研究(可复制论文).pdf

要摘人脸识别中,通常可得到的样本数远小于人脸图像样本的维数,此问题称为人脸识别的岢隽嘶诤酥鞣至糠治妥罴鸭鸲懒⒎至糠治龅娜肆程卣鞒槿》椒ǎ尤个方面对椒ń辛烁慕菏紫龋肒肆秤成涞教卣骺占涞玫胶酥鞣至浚的准则;最后,提出了一种用最佳鉴别独立分量表示待识别样本的方法,克服了用直接投影所得待识别样本特征不准确的问题。实验结果显示此方法可获得优于的识别性能。鉴别信息的条件下得到线性最佳鉴别特征;肒ǜ呶肆惩枷裱居成此提出的方法可得到等价于的非线性最佳鉴别特征。苯咏鉴别特征抽取方法。实验结果表明,提出的址椒ㄋ锰卣饔庞贔蚄空间中的正交化过程,将乒阄狵谔卣骺占涞牧酱蜧换程转化为只需计算两个核矩阵和一次分解,得到了数值稳定性较好的非线性最佳鉴别特征抽取方法。实验结果表明方法得到的非线性鉴别特征有更好的类可分性。矢量,用其构成表征该类别的非线性特征子空间。为解决所得核最近特征线和特征砸方法计算量大和可能失效的问题,进一步提出了最近特征重心和最近邻特征方法,前小样本问题。小样本问题导致基于鉴别分析的人脸图像特征抽取存在病态问题,并且使用较少的样本难以获得推广性较好的识别性能。本文针对小样本条件下的人脸图像特征抽取和识别存在的困难,分别提出了几种解决方法,主要内容如下:核主分量进行玫郊浣拥姆窍咝远懒⒎至糠治龇椒ǎ档土薎对高维人脸图像样本的计算复杂度,并使算法更容易收敛;其次,定义鉴别信息作为选取最佳鉴别独立分量芯苛说湫拖喙胤治和线性鉴别分析的等价性,利用蠼最佳鉴别特征,避免了和由小样本导致的病态奇异问题。首先对此等价性给出一个简洁的证明,其次提出了三种基于娜肆惩枷裣咝院头窍咝蕴卣鞒槿》椒ǎ紫壤肞将样本降维到总散度阵的秩空间中,然后进行乖诿挥卸J魏到特征空间得到核主分量,然后对核主分量进行S捎贙燃塾贙椒ㄍ乒阄?捎糜诩鸱治龅腒椒ǎ玫酵燃塾贙姆窍咝宰罴袴抽取的线性和非线性鉴别特征。岢隽嘶诤思鸸餐噶姆窍咝訤罴鸭鹛卣鞒槿》椒ā@锰卣罱卣鞣掷嗥骱秃朔椒ㄏ嘟岷希玫搅嘶诤说年山卣飨摺⑻卣髅婧吞卣髯涌占浞法,可直接对高维人脸图像样本识别,而无需预先抽取人脸图像特征,使在总样本数较多,特征抽取在计算上难以实现的情况下也能直接识别。其中对核最近特征子空间提出了两种计算方法:一是核最近特征面的直接推广;二利用核主分量分析对每个类别求解非线性主分量者降低了计算特征线距离和特征面距离的计算复杂度,后者减少了所需计算特征线数和特征面的数目,两种方法均能解决特征线和特祉面方法可能失效的问题。最后将两者结合得到的摘要
知识水坝***@pologoogle为您整理
芯苛巳衷诰卣罂占涔乖熳罱卣鞣掷嗥鞯娜肆惩枷袷侗鸱椒ǎ利用奇异值分解将用所定义的矩阵内积运算,将最近特征线方法推广到矩阵空间,利用人脸图像矩阵直接构造三种方法能获得和最近特征线相近的识别性能。关键词:人脸识别,小样本问题,核方法,独立分量分析,典型相关分析,核鉴别共同矢量最近邻特征重心方法将计算晕降到了最小。人脸图像样本表示成秩枷竦南咝宰楹希们凹父鲎畲笃嬉熘刀杂Φ幕枷窆钩杀碚鞲类别的特征子空间。在定义矩阵内积的基础上,将待识别人脸图像样本分别投影到各个类别的基图像上,识别阶段将待识别样本归入投影长度最大的特征子空间对应的类别中;特征线,扩展了两个样本的表征能力;徊浇罱谔卣飨叻椒ㄍ乒愕骄卣罂占洌大降低了计算复杂性并避免了可能失效地问题。这三种方法直接处理人脸图像矩阵,避免了对高维人脸图像矢量抽取特征的计算复杂度。实验结果显示,每类取不同训练样本数时所得最近特征分类器,矩阵空间东南大学博宦畚
知识水坝***@pologoogle为您整理
畁..瓾湘...甌甌﹖、,..
甌鷅琣瓸,,琣.;,东南人学博宦畚:∞.:琄,.,,.甌甀瑃甌,
日期:型血,/研究生签名:克考东南大学学位论文使用授权声明东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档,可以采用影印、缩印或其他复制手段保存论文。本人电在论文中作了明确的说明并表示了谢意。子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外,允许论文被查阅和借阅,可以公布ǹ论文的全部或部分内容。论文的公布括刊登谌ǘ洗笱а芯可喊炖怼
第绪论人脸识别概述司法领域对各种身份证件的识别和对嫌疑犯的识别;在商业领域对各种信用卡和银行卡用户的识别;在银行、商店和机场等场合的视觉监控和安全系统的识别以及在人机互交领域的识别应