吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (04): 1121-1126.doi: 10.7964/jdxbgxb201304044

• 论文 • 上一篇    下一篇

基于相关向量机的含噪声人脸图像识别

柳长源1,2, 毕晓君1, 韦琦2   

  1. 1. 哈尔滨工程大学 信息与通信工程学院, 哈尔滨 150001;
    2. 哈尔滨理工大学 电气与电子工程学院 哈尔滨 150080
  • 收稿日期:2012-07-22 出版日期:2013-07-01 发布日期:2013-07-01
  • 通讯作者: 毕晓君(1963-),女,教授,博士生导师.研究方向:人工智能及智能信息处理技术. E-mail:bixiaojun@hrbeu.edu.cn E-mail:bixiaojun@hrbeu.edu.cn
  • 作者简介:柳长源(1971-),男,副教授,博士研究生.研究方向:模式识别及数字图像处理技术. E-mail:liuchangyuan@hrbust.edu.cn
  • 基金资助:

    国家自然科学基金项目(61175126);中央高校基本科研业务费专项项目(HEUCFZ1209);高等学校博士学科点专项科研基金项目( 20112304110009).

Noisy face images recognition based on relevance vector machine

LIU Chang-yuan1,2, BI Xiao-jun1, Wei Qi2   

  1. 1. College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, China;
    2. College of Electrical and Electronic Engineering, Harbin University of Science and Technology, Harbin 150080, China
  • Received:2012-07-22 Online:2013-07-01 Published:2013-07-01

摘要:

提出一种采用相关向量机的人脸识别方法,利用机器学习对小波分解和PCA变换后的人脸数据库样本进行训练,得到的相关向量构成"超平面"作为差异样本的分类面,并利用"一对一"方法实现多类别模式识别。对加噪声的识别对象进行了大量的仿真实验,结果表明:与传统方法相比,本文方法对图像噪声不敏感,具有更高的识别率和很强的鲁棒性。

关键词: 信息处理技术, 人脸识别, 相关向量机, 图像噪声

Abstract:

A new method of face recognition based on relevance vector machine was developed. After the wavelet decomposition and Principal Component Analysis (PCA) transformation, the relevance vectors from sample training constitute a "hyperplane" as the differences in the classification of the samples by machine learning algorithm. The "one against one" method is used to achieve multi-class pattern recognition. Compared with former methods, a large number of simulation results of recognition of noisy objects show that the new method is not sensitive to image noise, with high recognition accuracy and strong robustness.

Key words: information processing, face recognition, relevance vector machine, image noise

中图分类号: 

  • TN911

[1] 谢赛琴,沈福明,邱雪娜.基于支持向量机的人脸识别方法[J]. 计算机工程,2009, 35(16): 186-188. Xie Sai-qin, Shen Fu-ming, Qiu Xue-na. Face recognition method based on support vector machine[J]. Computer Engineering, 2009, 35(16): 186-188.

[2] 聂会星,梁坤,徐枞巍. 基于小波变换和支持向量机的人脸识别研究[J]. 合肥工业大学学报, 2011,34(2):208-211. Nie Hui-xing,Liang Kun,Xu Zong-wei. Face recognition based on wavelet transform and support vector machine[J]. Journal of Hefei University of Technology(Natural Science Edition), 2011,34(2):208-211.

[3] Psorakis Ioannis, Damoulas Theodoros, Girolami Mark A. Multiclass relevance vector machines: sparsity and accuracy[J]. IEEE Transactions on Neural Networks, 2010,21(10): 1588-1598.

[4] 陶新民,徐晶,杜宝祥,等. 基于相空间RVM的轴承故障检测方法[J]. 振动与冲击,2007,25(12): 1-7. Tao Xin-min, Xu Jing, Du Bao-xiang, et al. Bearing fault detection based on RVM using phase space[J]. Journal of Vibration and Shock, 2007,25(12): 1-7.

[5] 殷岳萌,冯燕,刘萌萌. 基于相关向量机和独立分量分析的高光谱数据分类[J]. 现代电子技术,2010(13):123-126. Yin Yue-meng, Feng Yan, Liu Meng-meng. Classification for hyperspectral data based on independent component analysis and relevance vector machine[J]. Modern Electronics Technique, 2010(13):123-126.

[6] 詹环,董玉才,赵海清,等. 基于相关向量机的大豆生长发育阶段预测[J]. 嘉应学院学报:自然科学,2010,28(5):27-30. Zhan Huan, Dong Yu-cai, Zhao Hai-qing, et al. Prediction of soybean growth and development stages based on relevance vector machine[J]. Journal of Jiaying University(Natural Science), 2010,28(5): 27-30.

[7] 刘遵雄, 张德运,孙钦东,等. 基于相关向量机的电力负荷中期预测[J]. 西安交通大学学报,2004,38(10): 1005-1008. Liu Zun-xiong, Zhang De-yun, Sun Qin-dong, et al. Mid-term electric load prediction based on the relevance vector machine[J]. Journal of Xi'an Jiaotong University, 2004,38(10): 1005-1008.

[8] 杨成福,章毅. 相关向量机及在说话人识别应用中的研究[J]. 电子科技大学学报,2010,39(2):311-315. Yang Cheng-fu,Zhang Yi. Study on speaker recognition using RVM[J]. Journal of University of Electronic Science and Technology of China, 2010,39(2):311-315.

[9] Tipping M. Sparse Bayesian learning and the relevance vector machine[J]. Machine Learning Research, 2001:211-244.

[10] Zeng Yang-yan, Ye Bo-long. The face of the feature extraction and detection based on PCA[J]. Computer Knowledge and Technology, 2008(4):742-744.

[11] 陶晓燕,刘振霞,王元一. 基于小波子带的PCA人脸识别方法研究[J]. 空军工程大学学报:自然科学版,2004,5(3):65-67. Tao Xiao-yan, Liu Zhen-xia, Wang Yuan-yi. Face recognition using PCA based on wavelet subband[J]. Journal of Air Force Engineering University(Natural Science Edition),2004,5(3): 65-67.

[12] Krebel U. Pairwise classification and support vector machines//Scholkopf B, Burges C J C , Smola A J eds,Advances in Kernel Methods: Support Vector Learning, The MIT Press, Cambridge, MA, 1999:255-268.

[13] ORL人脸数据库...http://download.csdn.net/detail/kyszp123/1583590.

[1] 苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2] 徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3] 黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4] 李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5] 应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6] 陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7] 刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8] 单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9] 姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10] 全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11] 陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12] 陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13] 孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14] 林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15] 王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!