基于核子空間低秩表示的人臉識(shí)別算法研究.pdf

1、隨著人類社會(huì)在上個(gè)世紀(jì)大步邁入數(shù)字化時(shí)代，以人臉識(shí)別為代表的模式識(shí)別(PR)、機(jī)器學(xué)習(xí)(ML)等學(xué)科獲得了科研學(xué)者的廣泛關(guān)注，展現(xiàn)出了前所未有的巨大價(jià)值。在眾多新興的人臉識(shí)別算法中，以稀疏(sparsity)和低秩(low-rank)學(xué)習(xí)為代表的重構(gòu)性人臉識(shí)別算法，憑借其較為優(yōu)良的性能和對(duì)外界噪聲較強(qiáng)的魯棒性獲得了科研學(xué)者的追捧。本論文聚焦于提升低秩表示算法的局部和全局特征學(xué)習(xí)和融合的能力，同時(shí)為線性的低秩表示算法提供更強(qiáng)的非線性特征學(xué)

2、習(xí)能力，尤其為隱含于人臉中的局部流型特征信息。
　　首先，論文第一章對(duì)人臉識(shí)別技術(shù)的研究背景、意義及國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了簡(jiǎn)單的介紹，接著介紹了現(xiàn)階段人臉識(shí)別研究中面臨的問題與挑戰(zhàn)，隨后簡(jiǎn)述了本文的內(nèi)容安排。
　　隨后，論文第二章提出一種基于核局部保持低秩表示的人臉識(shí)別算法。該方法可以視為是低秩表示的非線性拓展版本，同時(shí)在Tikhonov正則化約束的幫助下將人臉樣本中的局部流型結(jié)構(gòu)信息引入到低秩表示算法中，用以提高低秩表示算法

3、的全局和局部特征信息融合。
　　接著，論文第三章提出一種基于雙張量核字典學(xué)習(xí)的低秩表示人臉識(shí)別算法。該算法是針對(duì)重構(gòu)性人臉識(shí)別算法中，張量理論尚未被引入，存在著較大的技術(shù)空白而提出的。該方法通過引入張量核對(duì)人臉圖像中隱含的高判別性特征信息進(jìn)行學(xué)習(xí)和重構(gòu)，同時(shí)，為了提高算法的統(tǒng)一性，本章中提出了基于雙張量核的局部保持投影算法，與提出的算法進(jìn)行無縫對(duì)接。
　　接下來，論文第四章提出一種基于核技術(shù)低秩融合字典學(xué)習(xí)的人臉識(shí)別算法。鑒