子张量算法及其在人脸识别中的应用

子张量算法及其在人脸识别中的应用

ID:35177010

大小:5.14 MB

页数:92页

时间:2019-03-20

子张量算法及其在人脸识别中的应用_第1页
子张量算法及其在人脸识别中的应用_第2页
子张量算法及其在人脸识别中的应用_第3页
子张量算法及其在人脸识别中的应用_第4页
子张量算法及其在人脸识别中的应用_第5页
资源描述:

《子张量算法及其在人脸识别中的应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、Sou化ChinaUniversitofTechnoloygy硕±学位论文子张量算法及其在人脸巧别中的应用作者姓名张书林学科专业概率论与数理统计指导教师杨晓伟教授所在学院数学学院论文提交日期2016年5月ApplicationoftheSubtensorAlgorithminFaceRecognitionADissertationSubmittedfortheDegreeofMasterCandidate:ZhangShulinSuperviso

2、r:Prof.YangXiaoweiSouthChinaUniversityofTechnologyGuangzhou,China分类号0561:021学校代号;1学号:201320100726华南理工大学硕±学位论文子张量算法及其在人脸巧别中的应用作者姓名:张书林指导教师姓名、职称:杨鶴伟教授申请学位级别:理学硕女学科专业名称:概率论与数理绵计研巧方向:数理统计与经济信息管理论文提交日期;2016年5月4曰论文答辩曰期:丈叫ir年I月曰却学位授予单拉:

3、华南理工大学学拉授予日巧!年月曰答辩委员会成员:主席:/夸巧J公委员:和/您知《心于I华南理工大学学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加W标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡。献的个人和集体,均己在文中W明确方式标明本人完全意识到本声明的法律后果由本人承担。:日期作者签名如衣;W告年女月^日学位论文版权使用授权

4、书本学位论文作者完全了解学校有关保留、使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属华南理工大学。学校有权保存并向国家有关部口或机构送交论文的复印件和电子版,允许学位论文被查阅(除在保密期内的保密论文外)学校可W公布学位论文的全部或;部分内容,可W允许采用影印、缩印或其它复制手段保存、汇编学位论文。一本人电子文档的内容和纸质论文的内容相致。本学位□论文属于:保密,在年解密后适用本授权书。s/不保密,同意在校园网上发布,供校内师生和与学校

5、有共子享协议全的单位浏览;同意将本人学位论文提交中国学术期刊(论光盘版)电杂志社文出版和编入CNKI《中国知识资源总库》,传播学位文的全部或部分内容。""(请在W上相应方框内打V)口q作者签名:日期:之指导教师签名:日其月;:2^/^^年巧曰作者联系电话:广电子邮箱:联系地址(含邮编):摘要基于向量模式的人脸识别问题目前研究的已经相对透彻,相关理论方法也已经比较系统成熟。但是基于向量的人脸识别技术都有一个通病就是必须要把人脸图像拉伸成向量,然后再采用整体或

6、是分块局部的算法对向量数据操作,这就会导致三个问题出现。一是在将图像数据拉伸成向量的时候,人脸图像的自然结构信息会被破坏,人脸相邻局部像素之间的关系也会被破坏;二是当训练样本较少,图像数据又被拉伸成向量后,相对于训练样本个数,向量的维度就会显得非常大,从而导致了“维数灾难”以及“小样本”的问题;三是图像数据拉伸成向量后,在训练阶段可能会出现收敛速度慢或是不收敛的情况。针对上述问题,近年来越来越多的学者开始将注意力集中在了张量上,张量可以自然的表示图像内部彼此之间的几何结构信息,在运算中可以有效的保

7、留图像内部之间的关系,不用将图像拉伸成向量,从而避免了向量模式中的“维数灾难”以及“小样本”问题,也可以在训练阶段得到更好的稳定收敛性。本文将基于子张量模式的算法思想应用到人脸识别算法中,期望利用人脸识别算法成熟的理论体系作为支撑,加入张量相对于向量在信息保护以及图像表示方面的优越性,同时参照图像划块的模式,应用子张量的方法,从而可以更加有效的克服图像局部污损或是图像中存在饰品等遮蔽物的问题,在图像整体特征不明显的情况下,充分挖掘利用图像局部的信息特征,以得到更好的识别准确率。本文同时将子张量思想

8、应用到主成分分析法、线性判别分析法以及局部保留投影算法上,提出了基于子张量模式的主成分分析法(TLPCA)、基于子张量模式的判别分析法(TLLDA)以及基于子张量模式的局部保留投影法(TLLPP),并基于Yale、Yale_B以及ORL三个标准人脸数据库的数据,分别与整体张量模式和一维向量模式下的主成分分析法、线性判别分析法以及局部保留投影法作对比,从识别准确率以及样本训练时间两个角度评价算法的优劣性。关键词:子张量;图像划块;局部信息;人脸识别IAbstractThepresen

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。