基于稀疏表示和低秩矩阵分解的人脸识别与图像对齐方法研究的中期报告.docx
快乐****蜜蜂
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于稀疏表示和低秩矩阵分解的人脸识别与图像对齐方法研究的中期报告.docx
基于稀疏表示和低秩矩阵分解的人脸识别与图像对齐方法研究的中期报告Abstract本文主要介绍了基于稀疏表示和低秩矩阵分解的人脸识别与图像对齐方法的研究。首先介绍了人脸识别的基本概念和技术,然后分析了人脸识别中存在的问题,提出了利用稀疏表示和低秩矩阵分解方法来解决这些问题的思路和方法。接着,我们详细介绍了稀疏表示和低秩矩阵分解的理论和方法,并介绍了如何通过这些方法进行人脸识别和对齐。最后,我们通过实验验证了这个方法的有效性,结果表明,该方法能够有效地提高人脸识别和图像对齐的准确率。Keywords:人脸识别
基于低秩与特征脸的稀疏表示人脸识别研究的中期报告.docx
基于低秩与特征脸的稀疏表示人脸识别研究的中期报告一、研究背景与意义随着数字图像技术的发展,人脸识别技术也越来越受到人们的关注。目前,人脸识别技术的应用已经涉及到安防、金融、医疗等领域,具有非常广泛的应用前景。人脸识别技术的核心是从输入的图像中提取出有用的信息,进行特征提取并对其进行分类。传统的人脸识别方法主要利用局部特征、全局特征和混合特征等方法对人脸图像进行分析和处理。而近年来,利用低秩与特征脸的方法进行人脸识别成为了研究的热点之一。低秩与特征脸的方法主要基于矩阵分解和降维的思想,在许多图像处理领域中已
基于低秩矩阵恢复和稀疏表示的SAR目标识别方法.pdf
本发明提供了一种基于低秩矩阵恢复和稀疏表示的SAR目标识别方法,该方法特别适用于针对低图像质量的SAR图像进行目标识别,其先通过对SAR图像进行低秩矩阵恢复,得到对应的SAR低秩图像,使得绝大部分的SAR目标信息保留在SAR低秩图像中而去除噪声,并结合SAR图像中目标本身的散射特征信息仍处于低维空间、能够通过SAR低秩图像得以保留的特点,结合稀疏表示方法进行图像的目标识别,通过理论分析和实验数据均证明,能够有效的帮助提升识别正确率,解决现有技术中针对低图像质量SAR图像进行目标识别的准确率较低的问题。
基于判别性低秩字典学习的稀疏表示人脸图像识别.pdf
SparseRepresentationforFaceRecognitionbasedonDiscriminativeLow-RankDictionaryLearningLongMa,ChunhengWang,BaihuaXiao,WenZhouStateKeyLaboratoryofManagementandControlforComplexSystemsInstituteofAutomationChineseAcademyofSciences95ZhongguancunEastRoad,100190,
基于低秩稀疏分解和PCNN的图像融合方法.pdf
本发明提出了一种基于图像低秩与稀疏成分分解和PCNN相结合的图像融合方法。首先在低秩分解的基础上,结合稀疏表示,通过不同的字典,对不同成分进行稀疏表达得到对应成分的编码系数。然后在融合过程中,采用一种“绝对值”取大的策略对低秩成分进行融合,以保留源图像的亮度信息;对于稀疏成分,不同于传统的融合策略,本发明采用梯度特征激励PCNN的方法进行融合,能更大程度保留更多的源图像边缘细节信息。最后,将低秩融合部分和稀疏部分相加,便得到最终的融合结果。针对不同类型的图像,本发明提出的方法无论在视觉效果还是客观指标上,