基于低秩恢復(fù)與深度神經(jīng)網(wǎng)絡(luò)人臉識(shí)別算法的研究.pdf

1、人臉識(shí)別問題是模式識(shí)別中的一個(gè)研究熱點(diǎn)，人臉識(shí)別因?yàn)槠浔憷员粡V泛應(yīng)用于身份認(rèn)證，破案?jìng)刹榈葘?duì)安全性要求較高的場(chǎng)所。人臉識(shí)別算法從最初的簡單條件下的識(shí)別，發(fā)展到多因素復(fù)雜條件下的識(shí)別。多因素人臉識(shí)別中光照，人臉旋轉(zhuǎn)，人臉遮擋，噪聲污染，皮膚顏色及種族因素等都是在人臉識(shí)別中要考慮的因素。復(fù)雜條件下的人臉識(shí)別問題仍然是人臉識(shí)別領(lǐng)域內(nèi)的一個(gè)難點(diǎn)。
　　本文針對(duì)以下問題進(jìn)行了研究，并且給出了解決方法。
　　(1)針對(duì)小波閾值去噪會(huì)引

2、入量化噪聲和閾值選取不當(dāng)會(huì)損壞圖像邊緣信息的問題，本文在小波閾值去噪的基礎(chǔ)上融合了低秩矩陣恢復(fù)算法，提出一種融合小波變換與低秩
　　矩陣恢復(fù)的圖像去噪算法，實(shí)驗(yàn)結(jié)果表明本文提出的去噪算法比單一小波閾值去噪算法有更好的去噪效果，改進(jìn)了算法性能。
　　(2)本文針對(duì)采集人臉圖像時(shí)會(huì)有過度曝光，陰影和噪聲干擾的問題。本文將低秩矩陣恢復(fù)算法應(yīng)用在人臉圖像預(yù)處理階中。實(shí)驗(yàn)結(jié)果表明，經(jīng)過低秩矩陣恢復(fù)算法處理的人臉圖像有效的改善了曝光，陰