非迭代三维线性判别分析及其在人脸识别中的应用

非迭代三维线性判别分析及其在人脸识别中的应用

ID:35187338

大小:3.69 MB

页数:58页

时间:2019-03-21

非迭代三维线性判别分析及其在人脸识别中的应用_第1页
非迭代三维线性判别分析及其在人脸识别中的应用_第2页
非迭代三维线性判别分析及其在人脸识别中的应用_第3页
非迭代三维线性判别分析及其在人脸识别中的应用_第4页
非迭代三维线性判别分析及其在人脸识别中的应用_第5页
资源描述:

《非迭代三维线性判别分析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、―.-.■'^一‘、一'-'.如’?‘、''?.-、,,、-苗;-'V、托_吟六、-二-^>‘'''-——-■一沪■;啤-’'.-^*心-..;如冷>/气林'巧二^衣话、--、'、、、'>L、.X—V'一、中二.V',二.,:&^巧片V.—:、?.',:'一.,完;、许/.式;蹲-—一、^.>:^;分类号巧级._____京念心,'产-:L^《-u>.乃冷:、■、'?、-?...>?^甲、’、.二UDC:学巧代码.::__二;

2、心-;7卢y:.苗立寺龙巧足容运心.f《少寺>并^囊连,??一'、?咖、‘、,^別巧坦88:- ̄;-VNNANNIVOIVANCS.C.?lLERSinFFEADFONOMICS心■;.;'一■''、;―.、-'.-?r‘h,01'■乂'..-5-、-.:..:;(游V.々..巧-一々冷—,h护5軒义,.,'占、*-'若'、.*.’.為.‘.:.■、气W抑.;;"、.知:女。,斟心卢綠.户{货'r冻^s,乂硕去研完生学化冷丈端公:学A冢,

3、U.—、;-子.^-:1、早每在/专:-萃;巧;^^菲迭代兰维线性判别分析及其在人脸识别中的应用/一,:i';.蛛終.节/—'--t-,^学晓(部、所):统计与数学学院/汽.苗;?、、替专业羣户:统计学(理)‘、‘、■,/、户六.么'、■?、 ̄、;.打SA—'-/ft/黎研究方向:漱振挖掘兴、、装'姓:名:?",.—刹邊、-、'-斗.〇:;轉S,导,只师_赵盞坐蓋捏攀豁每'巧'.'...'.-?一,耳::一.与'X冷/<

4、:<、,^:々祭'气?今…'、’三:^.;N參巧午;^-縣.;\、、六.,-巧;稽卽^节----女’一'-'--■二..X;別J节;<::严二气式A-’;^?-..—雙二K论文起止时间;2015年5月2016年5月f',^茄:於妙….'婚.—一‘治.-、.?:..:.誘辭一瓦.之,.4、.m..方:.’妙{聽一-.式.'、、V.'-名.古,,:w’又;^'纪3气.心?.、韓冷户嫌揖;V獨琴--.‘-、:‘巧^^..I;.,;、诘:

5、r-,'巧碱V方a\-.;龄摘要摘要随着人脸识别技术的不断发展与更新,基于二维图像本身信息量的限制,二维人脸识别技术的识别率很难再有大幅度的提高。越来越多的学者开始研究人脸表面原始几何信息更丰富的三维人脸图像,三维人脸图像与传统的二维灰度人脸图像相比更接近客观事实。传统的对于三维数据的人脸识别做法是,将三维空间数据按照某一个维度展开拉伸为一个超高维的矩阵数据,然后对新形成的矩阵数据进行经典的二维人脸识别方法,甚至还有对拉伸后的矩阵数据再次拉伸为一维向量数据,然后进行线性判别分析(LDA)或主成分分析(PCA),

6、这样做很明显破坏了原来的数据结构,而且造成了超高维的“维数灾难”,严重影响了人脸识别的运算效率和识别率。本文从二维人脸数据库出发,通过二维Gabor小波变换还原人脸更多的面部特征信息,将二维人脸提取面部特征信息转化为三维人脸数据库。结合张量展开的思想,提出了一种三维线性判别分析(3DLDA)的降维方法。该方法分别按照三维数组的三个维度依次在每个维度上分别进行线性判别分析降维。将降维后得到的数组经过最近邻分类器进行人脸识别。本文首先将三维线性判别分析方法与传统一维、二维识别方法分别应用在ORL、Yale、PIE和FER

7、ET四种人脸数据库和美国邮政手写数据集USPS中,得到三维线性判别分析方法的识别率高于传统的一维、二维方法。由于三维人脸数据维数较大,就算通过三维线性判别分析降维后得到的数组维数有可能还是比较大,因此本文提出了两阶段三维线性判别分析与线性判别分析(3DLDA+LDA)的组合形式,即将原始较高维数的三维数组经过三维线性判别分析降维后再次经过线性判别分析降维,这样等于对原始数据进行了两次降维,克服了“维数灾难”,提高了人脸识别的识别率。同样通过ORL、Yale、PIE和FERET四种人脸数据库和美国邮政手写数据集USPS

8、进行了验证。发现3DLDA+LDA的组合方法比3DLDA的方法识别率更高。关键词:三维线性判别分析;二维线性判别分析;人脸识别;二维Gabor滤波器;张量展开IAbstractAbstractWiththeimprovementofscienceandtechnologyandthedevelopmentofthesociety,asaresu

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。