基于shearlet域特征學(xué)習(xí)的人臉識(shí)別研究.pdf

1、由于人臉圖像具有快速、直觀、非接觸、準(zhǔn)確可靠等優(yōu)點(diǎn)，已經(jīng)被應(yīng)用在國(guó)防安全、刑事偵破和商務(wù)安全等領(lǐng)域，是目前一個(gè)重要的研究領(lǐng)域。小波變換具有靈活的時(shí)頻分析能力，已廣泛應(yīng)用于人臉識(shí)別。剪切波變換(Shearlet Transform)是一種源于小波又高于小波的多尺度幾何分析工具，具有傳統(tǒng)小波變換的多分辨率特性和時(shí)頻局域特性，也克服了傳統(tǒng)小波變換缺乏方向表達(dá)能力的缺點(diǎn)，并且能對(duì)圖像進(jìn)行稀疏表示，具有更高的表達(dá)效率。深度學(xué)習(xí)通過(guò)學(xué)習(xí)一種非線性網(wǎng)

2、絡(luò)結(jié)構(gòu)，實(shí)現(xiàn)對(duì)輸入數(shù)據(jù)的抽象表達(dá)，從構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)來(lái)進(jìn)行人臉識(shí)別。本文針對(duì)如何獲得人臉圖像的有效特征獲取，以提高識(shí)別率為目標(biāo)，在shearlet域提出了兩種人臉圖像的特征提取方法，進(jìn)而運(yùn)用到人臉識(shí)別算法中。
　　本研究主要內(nèi)容包括：⑴提出了基于非下采樣剪切波(Nonsubsampled Shearlet Transform, NSST)和深度信念網(wǎng)絡(luò)(Deep Belief Network, DBN)的人臉識(shí)別算法。創(chuàng)新點(diǎn)：由于剪切

3、波變換的稀疏表示特性提出在shearlet變換域進(jìn)行特征提取，可以有效捕捉人臉圖像的邊緣信息，獲得人臉圖像豐富的紋理信息；考慮到特征提取對(duì)識(shí)別結(jié)果的影響，提出了一種新的分塊加權(quán)LBP算法，通過(guò)在shearlet域提取分塊加權(quán)LBP特征，以獲得更能表征人臉圖像的特征；基于深度學(xué)習(xí)的思想，選擇深度信念網(wǎng)絡(luò)對(duì)提取的特征進(jìn)行學(xué)習(xí)并進(jìn)行分類，以此減弱特征對(duì)識(shí)別結(jié)果的影響，不斷提高識(shí)別率。實(shí)驗(yàn)結(jié)果表明基于非下采樣剪切波和深度信念網(wǎng)絡(luò)的人臉識(shí)別算法具

4、有較好的有效性和魯棒性。⑵提出了基于shearlet域深層特征提取的人臉識(shí)別算法。創(chuàng)新點(diǎn)：基于深度學(xué)習(xí)的思想，對(duì)人臉特征的特征提取方法進(jìn)行改進(jìn)，提出了shearlet域深層特征；用shearlet域深層特征的結(jié)構(gòu)表示人臉圖像，使其具有人臉圖像的判別信息；將shearlet域深層特征與稀疏表示相結(jié)合，用稀疏表示進(jìn)行分類識(shí)別；對(duì)該人臉識(shí)別算法性能進(jìn)行了全面分析。實(shí)驗(yàn)中與目前的人臉識(shí)別算法進(jìn)行比較，說(shuō)明基于深層特征和稀疏表示的人臉識(shí)別算法的適