基于流形學(xué)習(xí)子空間的人臉識別方法研究.pdf_第1頁
已閱讀1頁,還剩115頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、本文以人臉識別為應(yīng)用背景,對當(dāng)前流形學(xué)習(xí)子空間算法存在的問題進(jìn)行了較深入的研究,如提取有效的圖像特征、去除基向量冗余信息、圖像矩陣空間結(jié)構(gòu)信息保持、解決小樣本問題及非線性可分問題等,提出相應(yīng)的解決方案。本文的主要工作如下:
   1).傳統(tǒng)的人臉識別算法一般都是基于圖像灰度矩陣操作的,而圖像灰度矩陣不足以充分描述人臉特征信息,也存在較多的高階信息冗余。針對上述問題,研究了Log-Gabor小波特征在人臉表征方面的性能。同時以非監(jiān)

2、督判別映射和局部線性嵌入算法為研究對象,針對原始算法基向量沒有任何約束而導(dǎo)致信息重疊的問題,研究了對算法基向量添加約束以去除重疊信息的方法。最后結(jié)合流形學(xué)習(xí)子空間算法和Log-Gabor小波的優(yōu)點,研究了基于Log-Gabor小波的流形學(xué)習(xí)子空間的人臉識別算法。
   2).針對傳統(tǒng)人臉識別算法不利于處理人臉等非線性結(jié)構(gòu)的問題,以鄰域判別嵌入算法為研究對象,將算法推廣至非線性領(lǐng)域,研究了核化的非線性流形學(xué)習(xí)子空間算法在人臉識別中

3、的應(yīng)用。由于傳統(tǒng)的流形學(xué)習(xí)子空間算法一般都是通過求解一個不對稱特征方程的特征值對應(yīng)的特征向量進(jìn)行低維投影,導(dǎo)致特征向量間存在較多的信息冗余。針對該問題,進(jìn)一步研究了有效去除特征向量冗余信息的方法,研究了對基向量添加正交及不相關(guān)約束下的算法框架。
   3).原始等度規(guī)映射算法沒有有效利用樣本的類別信息,是無監(jiān)督的人臉識別算法,而且只能處理向量類型的數(shù)據(jù),不能保持圖像像素間的空間結(jié)構(gòu)信息,且容易造成奇異性的問題。針對該問題,研究了

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論