检索结果-内蒙古大学图书馆

作者：魏冬梅山东大学

学位级别：博士

作为一种生物特征，人脸具有可随身携带、不会丢失、不易被盗取等优点，而且人脸图像采集方式友好、无需配合甚至具有隐蔽性。基于人脸的身份识别将成为未来身份认证和识别的主流方法，在经济、民用、军用、公安等领域具有广阔的应用前... 详细信息

作为一种生物特征，人脸具有可随身携带、不会丢失、不易被盗取等优点，而且人脸图像采集方式友好、无需配合甚至具有隐蔽性。基于人脸的身份识别将成为未来身份认证和识别的主流方法，在经济、民用、军用、公安等领域具有广阔的应用前景，是当前基于生物特征身份识别领域中的研究热点。目前非限制条件下的人脸识别技术还不完善，还需进行深入研究并提出高效的识别算法。\n 稀疏表示算法具有较高的分类性能，在图像分类及模式识别领域得到了广泛研究和应用。构造过完备冗余字典和稀疏表示矢量的快速求解是稀疏表示理论应用中的两大问题。论文针对人脸识别这一典型的小样本问题，围绕基于训练人脸图像的冗余字典构造方法、稀疏表示矢量的快速求解算法以及进一步提高稀疏表示分类性能等问题展开了以下研究工作。\n (1)提出利用位平面图像协作表示分类投票决策的人脸识别算法。研究了正则化最小二乘协作表示(CRC_RLS)分类算法的原理，分析了其与稀疏表示分类(SRC)的区别与联系以及它们在识别性能上的差异，在此基础上提出利用人脸图像的位平面信息和投票决策算法对协作表示算法进行改进，以提高协作表示分类算法的准确性和稀疏表示算法的识别速度。\n 为突出人脸图像的轮廓，增强图像中的识别信息，本算法采用累积分布函数对图像进行直方图均衡。对均衡图像进行位平面分解，得到包含不同类别信息的多个二进制位平面图像，同一位平面图像构成同一位平面数据库。本文采用256级灰度图像进行实验，一幅人脸图像可分解出8幅位平面图像，一个灰度人脸图像库扩展为8个不同位平面人脸图像库。利用协作表示分类算法分别训练出每个位平面的正确识别率。实验证明图像均衡后，第2个位平面和第8个位平面具有相同的正确识别率，第3和第4位平面的正确识别率均在0.25以下。选择正确识别率较高的1、5、6、7、8等5个位平面，分别利用协作表示算法对输入图像进行识别。采用“最高票当选”制对5个识别结果进行投票。当多数投票结果不唯一时，定义为投票决策失败，进行二次判决:利用各位平面图像构造虚拟加权图像，在虚拟加权图像库上再次利用协作表示算法对图像进行分类。利用二进制位平面图像代替二值灰度位平面图像，避免了在虚拟加权人脸图像中低位平面被高位平面“淹没”的问题，权重系数由位平面的“位序数”和“正确识别率”共同确定，既保证了不同位平面具有不同的权重，又限制了高、低位平面的权重差值不会过大。在ORL和FERET人脸库上，正确识别率分别为97％和98％，与CRC_RLS算法相比，均提高了4％。与SRC算法相比，分别提高了4％和2％。训练图像的位平面分解、权重系数的训练与虚拟加权训练图像的构造均在训练阶段完成，不会影响实时人脸识别速度，因此识别速度与CRC_RLS相当，比SRC算法的识别速度提高了10倍以上。\n (2)提出基于局部构造模式近邻样本协作表示的人脸识别算法。随着字典原子数量增多，稀疏表示矢量的求解复杂度急剧上升，从而引起识别速度下降，同时字典原子与测试图像在结构上的相似度越高，正确识别率也越高。论文提出一种基于LCP特征的自适应字典学习算法，利用该字典对测试图像进行协作表示分类，既提高了识别速度，又提高了正确识别率。\n LCP特征包含局部结构(LBP)和局部微观构造(Mic)两层特征。本算法提出利用卡方系数的负对数定义基于归一化直方图卡方距离的“x2-LBP-相似性”和基于bin-比例直方图距离的“x2-BRD-LBP-相似性”，用以衡量图像在LBP特征层的相似程度，采用欧氏距离判断图像在微观构造特征层上的相似度(MiC-相似性)，通过大量实验给出了x2-LBP-相似性和x2-BRD-LBP-相似性的合法阈值、近邻阈值以及MiC-相似性的合法阈值、近邻阈值的经验取值范围。详细分析讨论了直方图特征与MiC特征级联/并联、bin-比例直方图特征与MiC特征级联/并联四种融合方法下错误拒绝识别、错误接收识别以及近邻样本选择三个问题。联合LBP特征和Mic特征，确定图像在LCP特征上的相似性，并根据预先设定的近邻阈值自适应地选择近邻样本，构造冗余字典。本算法提出的冗余字典的原子数量降到了训练图像数量的2/3以下，而且原子结构与测试样本的结构具有更高的相似性，正确识别率得到提高。基于比例直方图自适应构造的冗余字典对有遮挡图像的分类具有更高的鲁棒性。在ORL、FERET、YaleB和AR人脸库上，无遮挡识别时，本算法比SRC_RLC的正确识别率提高了3％左右，利用AR库进行围巾和墨镜遮挡实验，正确识别率可达到85％。\n (3)提出利用Gabor近邻和压缩感知降维进行稀疏表示分类的人脸识别算法。人脸识别属于典型的小样本问题，利用人脸图像作为原子构造的字典不满足原子数量大于特征数量的条件，以上两种算法在使用协作表示分类之前，

关键词：人脸图像特征识别稀疏表示算法识别率

来源：评论

学校读者我要写书评

暂无评论

基于稀疏表示的图像去噪以及去雾霾算法

基于稀疏表示的图像去噪以及去雾霾算法

引用

作者：王卫静浙江工业大学

学位级别：硕士

数字图像在处理的过程中容易掺杂各类噪声造成图像模糊甚至失真,特别是近些年雾霾天气频发,图像失真引发的问题更加严峻。在图像去噪中,稀疏表示算法能用少于奈奎斯特采样率所需的元素个数表示图像信号,同时可以排除杂余信息,因而能达... 详细信息

数字图像在处理的过程中容易掺杂各类噪声造成图像模糊甚至失真,特别是近些年雾霾天气频发,图像失真引发的问题更加严峻。在图像去噪中,稀疏表示算法能用少于奈奎斯特采样率所需的元素个数表示图像信号,同时可以排除杂余信息,因而能达到较好的去噪效果。本文从噪声和雾霾的形成入手,围绕原子库的构建和稀疏分解两个方面,提出了两种用稀疏表示优化的图像去噪算法和一种基于暗通道先验模型和稀疏表示的去雾霾算法。主要工作和研究成果有以下几个方面:1.总结了国内外图像去噪领域的研究现状与目前主流的图像去噪算法,深入地分析和研究了有代表性的几种基于稀疏表示的图像去噪算法,并分析了算法存在的问题以及需要解决的技术难题。2.为了提高KSVD字典的高效性和稀疏表示算法去噪能力,对KSVD字典进行改进,提出了一种基于优化字典设计的稀疏表示图像去噪新算法。3.针对KSVD算法在初始字典设计上的缺陷以及去噪效果欠佳的问题,做出优化措施,提出自适应分块稀疏表示的图像去噪算法,仿真结果表明,新算法的去噪效果与KSVD算法更好。4.基于现有的图像去雾算法,分析了目前暗通道算法存在的问题以及需要解决的技术难题,提出了一种基于暗通道先验模型和稀疏表示的图像去雾算法。新算法使用暗通道先验模型去雾,将稀疏表示算法运用到图像去霾中,与暗通道先验模型相比,新算法的去雾霾效果较好,有较高的保真度。5.本文对所提出的优化字典设计的稀疏表示图像去噪算法,自适应分块稀疏表示的图像去噪算法以及基于暗通道先验模型和稀疏表示的图像去雾算法进行了仿真验证。

关键词：去雾霾图像去噪稀疏表示算法 KSVD字典暗通道

来源：评论

学校读者我要写书评

暂无评论

稀疏重构SAM芯片焊点检测方法研究

引用

机械工程学报 2023年第6期59卷 95-102页

作者：陆向宁刘凡何贞志廖广兰史铁林江苏师范大学机电工程学院徐州221116 华中科技大学数字制造装备与技术国家重点实验室武汉430074

提出了基于稀疏表示的声扫描显微镜(Scanning acoustic microscope,SAM)图像超分辨率重构方法,以解决其空间检测分辨率受超声波频率和穿透深度的限制,原始SAM图像分辨率较低,不利于封装缺陷辨识等问题。通过字典设计训练和稀疏系数α求... 详细信息

提出了基于稀疏表示的声扫描显微镜(Scanning acoustic microscope,SAM)图像超分辨率重构方法,以解决其空间检测分辨率受超声波频率和穿透深度的限制,原始SAM图像分辨率较低,不利于封装缺陷辨识等问题。通过字典设计训练和稀疏系数α求解获得了重构的高分辨率SAM图像,利用Levenberg-Marquardt算法改进BP神经网络(LM-BP),并用于倒装芯片焊点缺陷识别。与原始图像及双三次插值图像相比,稀疏重构图像的峰值信噪比明显增大,提高了SAM图像质量,减小了芯片焊点的错误识别数目,错误率降至2.76%。试验结果表明稀疏表示的SAM重构算法和LM-BP神经网络训练速度快、识别精度高,可用于高密度半导体封装缺陷的检测及可靠性评估。

关键词：倒装芯片缺陷检测扫描声学显微镜稀疏表示算法神经网络

来源：评论

学校读者我要写书评

暂无评论

基于压缩感知理论的中子能谱解谱方法

引用

原子能科学技术 2024年第6期58卷 1311-1318页

作者：吴广皓邵刚时光刘斌潘良明王锋周小为中国核动力研究设计院成都核总核动力研究设计工程有限公司四川成都610213 福建福清核电有限公司福建福清350300 中国核动力研究设计院建筑设计所四川成都610213 重庆大学低品位能源利用技术及系统教育部重点实验室重庆400044 重庆大学核工程与核技术系重庆400044

准确的中子能谱信息对于核装置的设计和运行具有十分重要的意义,现有解谱方法通常将先验信息作为迭代初值使用,限制了解谱过程多重先验信息的使用。本文针对中子能谱测量中的解谱问题,建立了基于压缩感知理论的中子能谱解谱方法,并应用... 详细信息

准确的中子能谱信息对于核装置的设计和运行具有十分重要的意义,现有解谱方法通常将先验信息作为迭代初值使用,限制了解谱过程多重先验信息的使用。本文针对中子能谱测量中的解谱问题,建立了基于压缩感知理论的中子能谱解谱方法,并应用于几种典型中子能谱的多球谱仪测量和辐照监督管处中子能谱的活化片测量中的中子能谱解谱问题,结果表明:所建立的解谱方法可实现一次解谱中多重先验信息的使用,可有效实现典型中子能谱和反应堆辐照监督管处中子能谱的解谱,解谱结果与标准解吻合良好。另外,由于多重先验信息的使用,使得解谱过程对方程数量的依赖降低,去除^(238)U和^(237)Np等裂变探测器时辐照监督管处中子能谱依然可得到较高精度的求解,为辐照监督项目去除裂变探测器奠定了理论基础。

关键词：中子能谱解谱压缩感知理论稀疏表示算法稀疏重构算法

来源：评论

学校读者我要写书评

暂无评论

基于压缩感知的人脸识别算法研究

基于压缩感知的人脸识别算法研究

引用

作者：陆李娜扬州大学

学位级别：硕士

近年来,人脸识别技术发展越来越快,在日常生活中已被广泛运用到众多领域中。基于人脸信息进行身份识别的方法越来越受到重视,相较于其他生物特征识别技术,人脸识别具有成本低、无侵犯、不易丢失等优点,因此在安全防范和金融支付等行业... 详细信息

近年来,人脸识别技术发展越来越快,在日常生活中已被广泛运用到众多领域中。基于人脸信息进行身份识别的方法越来越受到重视,相较于其他生物特征识别技术,人脸识别具有成本低、无侵犯、不易丢失等优点,因此在安全防范和金融支付等行业有广阔的应用前景。近年来相继提出了许多优秀的人脸识别算法,但实际应用中存在光照不均、遮挡影响、样本缺乏、姿态多变等问题,因此人脸识别仍是众多学者不断深入研究的热点。随着多媒体电子设备不断增强获取数据的能力,越来越多的数据急需处理,传统的Nyquist采样理论已渐渐不能满足要求。近几年在信号处理领域中,压缩感知理论已成为众多学者的一个新的研究热点。针对稀疏信号,该理论突破了奈奎斯特采样频率的限制,大大节省了存储空间,许多研究者将其应用到人脸识别中并取得了一定的研究成果。本文在稀疏表示算法的基础上进行了改进研究,取得了较好的实验结果。本文的主要研究工作及创新点如下:(1)针对非限制环境下采集的人脸图像存在背景复杂导致误检的问题.本文在基于Haar特征的Adaboost算法完成人脸检测之后继续用基于AAM模型特征点进行验证,减少了人脸误检率。同时将Adaboost算法延伸运用到眼睛的检测,从而有效地对脸部样本进行归一化处理。人脸检测是人脸识别算法的重要前提,尤其对有遮挡的图像,首先要从中检测出人脸区域进行归一化便于下一步的遮挡人脸识别。在遮挡人脸识别问题上,本文提出了基于SRC的重叠分块遮挡人脸识别改进算法,既充分考虑了全脸信息的相关性,又有效减小了遮挡物对识别率的影响,增强了鲁棒性。(2)针对样本维数过高问题,提出一种基于加权小波的压缩感知人脸识别算法。考虑小波变换各分量的影响,对一层小波变换后的人脸图像提取低频、水平和垂直三个分量进行加权融合,既保证图像中有利识别信息尽量不丢失又起到降维的作用。用主成分分析法提取人脸图像特征矩阵,通过字典矩阵和稀疏系数重构每类测试样本,比较实际测试样本和重构的每类样本之间的残差,把测试样本归为残差最小的那一类,从而实现分类。在标准ORL和FERET人脸库上的实验取得了很好的识别效果,验证了本文所提出算法的有效性和优越性。(3)针对人脸各局部区域所包含的性别特征信息不一致,本文考虑基于局部和整体融合的算法进行性别识别。将人脸分割成六个样本子集,分别对每个样本子集进行性别识别,此外在单样本集的识别基础上采用投票法对人脸局部样本进行融合识别。考虑到计算的复杂性,本文对于冗余的特征引入了稀疏表示算法,利用稀疏表示算法降低了共性特征的冗余度,提高了计算效率,充分利用不同局部之间存在的互补信息,将局部区域进行整体融合在一定程度上提高性别识别效率,在CAS-PEAL数据库上取得了较好的识别效果。

关键词：人脸检测特征点稀疏表示算法压缩感知理论重构误差

来源：评论

学校读者我要写书评

暂无评论

基于相量量测的电力系统谐波状态估计算法研究

基于相量量测的电力系统谐波状态估计算法研究

引用

作者：汪瑶重庆大学

学位级别：硕士

随着电力系统大量非线性负载和单相大容量负荷(电弧炉、电气化铁路等)的运行,以及各种电力电子装置的广泛应用,它们所产生的谐波对电力系统造成的污染也日趋严重。抑制和消除这些谐波、提高电网供电质量,已成为电力系统的一个重要研究... 详细信息

随着电力系统大量非线性负载和单相大容量负荷(电弧炉、电气化铁路等)的运行,以及各种电力电子装置的广泛应用,它们所产生的谐波对电力系统造成的污染也日趋严重。抑制和消除这些谐波、提高电网供电质量,已成为电力系统的一个重要研究课题。本文采用谐波状态估计方法先得到整个电网谐波分布的估计值,然后用估计结果判断实际谐波源的位置,进而确定整个网络谐波的有关信息。同步相量量测技术的发展是谐波状态估计技术实现的前提条件,同时也带来了量测量、估计模型、求解算法以及可观性分析等相关问题的改变。本文首先介绍了谐波状态估计的硬件基础与软件平台。接着介绍了谐波状态估计的数学模型和估计算法,谐波状态估计的可观性分析以及量测配置问题,提出了基于量测方程条件数最小和序贯搜索的量测配置优化算法。针对谐波量测系统成本较高的问题,研究了量测方程欠定情况下的估计算法,并通过模拟仿真和程序进行了验证。最后介绍了不良数据的检测和辨识方法及其实现步骤。本文的主要工作如下: ①在量测配置足够量测的情况下,提出了量测配置的序贯搜索方法,以克服传统穷尽搜索法搜索过程耗时的缺点。由于谐波量测子站的成本相对较高,提出了最小化量测子站的思想,即对于能够提供最多量测点的子站以最优先的考虑,再结合可观性分析算法和量测矩阵条件数最小的配置思想,得到了系统在完全可观时的最优量测配置,并用最小二乘算法得到了状态变量的解;通过在MATLAB7.0环境下的IEEE-14节点系统的仿真与编程,验证了该算法的有效性。 ②研究了量测不足时的谐波状态估计算法,根据谐波源分布的空间稀疏特性,提出了将盲信号处理领域中的稀疏表示算法用于求解量测方程欠定情况下的谐波状态估计问题。通过对稀疏表示常用算法的比较,选择了基追踪算法为主要的分析方法,并根据算法特点,设计了量测配置方案,实现了量测方程欠定意义下的状态变量完全可观测。同时针对量测含噪声和不含噪声的情况,设计了相应的优化算法。通过对估计算法的编程验证,该算法在量测方程欠定的情况下所得到的估计结果虽然没有在配置足够时的优化算法得到的估计结果精度高,但相比采用传统算法求解量测方程欠定情况下的状态估计问题,其估计精度大大提高了,即使在含有量测噪声的情况下,仍然可以得到较高精度的估计结果,从而改善了基于相量量测谐波状态估计的经济效益; ③阐述了谐波状态估计不良数据几种检测方法,分析了这些种方法的缺陷,提出了一种不良数据的混合检测方法,给出了算法的具体流程,并通过程序仿真,验证了算法的有效性。

关键词：谐波状态估计最小二乘法稀疏表示算法量测配置优化

来源：评论

学校读者我要写书评

暂无评论

基于L1-Graph表示的标记传播多观测样本分类算法

基于L1-Graph表示的标记传播多观测样本分类算法

引用

第十五届全国信号处理学术年会

作者：胡正平王玲丽燕山大学信息科学与工程学院秦皇岛066004

同类样本被认为是分布在同一个高维观测空间的低维流形上,针对多观测样本分类如何利用这一流形结构的问题,提出基于L1-Graph表示的标记传播多观测样本分类算法。首先基于稀疏表示的思路构造L1-Graph,进而得到样本之间的相似度矩阵,然后... 详细信息

同类样本被认为是分布在同一个高维观测空间的低维流形上,针对多观测样本分类如何利用这一流形结构的问题,提出基于L1-Graph表示的标记传播多观测样本分类算法。首先基于稀疏表示的思路构造L1-Graph,进而得到样本之间的相似度矩阵,然后在半监督分类标记传播算法的基础上,限制所有的观测样本都属于同一个类别的条件下,得到一个具有特殊结构的类标矩阵,最后把寻找最优类标矩阵的计算转化为离散目标函数优化问题,进而计算出测试样本所属类别。在USPS手写体数据库、ETH-80物体识别数据库以及Cropped Yale人脸识别数据库上进行了一系列实验,实验结果表明了本文提出方法的可行性和有效性。

关键词：多观测样本分类算法稀疏表示算法标记传播

来源：评论

学校读者我要写书评

暂无评论

基于因子分析的鲁棒性说话人识别技术研究

基于因子分析的鲁棒性说话人识别技术研究

引用

作者：张翔中国科学院研究生院

学位级别：博士

自动说话人识别技术，简单来说就是根据语音来自动对说话人进行区分，从而进行说话人身份鉴别与认证的技术。该技术在国家安全方面一直有着重要的意义。另外，随着通信以及互联网技术的发展，说话人识别技术在多媒体信息处理及检索方面... 详细信息

自动说话人识别技术，简单来说就是根据语音来自动对说话人进行区分，从而进行说话人身份鉴别与认证的技术。该技术在国家安全方面一直有着重要的意义。另外，随着通信以及互联网技术的发展，说话人识别技术在多媒体信息处理及检索方面也开始被应用起来。\n 当前在实验室环境中，由于语音的传输信道比较单一、信噪比较高，在这种情况下，说话人识别系统取得了良好的识别性能。但是在实际应用中，语音环境的复杂多变，例如环境噪声以及信道调制的干扰等，使系统的识别性能急剧下降，这对说话人识别系统的鲁棒性提出了很大的挑战。因此，如何有效的减弱或上除环境噪声以及信道干扰等对系统的负面影响，从而提高说话人识别系统的鲁棒性，成为了该领域研究的热点及重点之一。\n 实际应用中的说话人识别的鲁棒性问题，本质上可以归结为两个方面：一方面是由于环境噪声对训练和测试语音质量的影响，另一方面是由于目标说话人的训练环境和测试语音环境的不匹配，主要归结为信道的不匹配。目前，常用的提高说话人识别系统鲁棒性的算法可以粗略的归结为三个方面：特征域、模型域以及得分域。特征域的算法主要着眼于如何提取更加鲁棒的特征参数，从而使特征参数受环境变化的影响尽可能小。模型域的算法更多地是针对信道问题的补偿，使得目标说话人的模型与测试语音的信道相匹配。得分域算法主要是通过各种得分规整算法来消除因信道和环境噪声等带来的得分差异。这些算法在目前的说话人识别系统中发挥了重要的作用，能够在一定程度上对信道的不匹配问题进行补偿，但是在语音的信噪比较低的时候，这些算法的作用往往比较有限。\n 本文致力于说话人识别中的鲁棒性技术的应用及探索。首先，深入研究了说话人识别中的各种说话人建模算法、信道补偿算法以及得分判决模块，对这些关键技术的原理进行了分析并提出了相应的改进方法；另外，着眼于如何提高训练和测试语音质量方面的研究，从而在语音数据层面抑制环境噪声和信道调制的负面影响，尽可能提高说话人识别系统的识别性能。主要研究工作及创新点包括：\n 1.研究并实现了目前说话人识别中的关键技术-联合因子分析算法。为了克服原有算法中说话人空间和信道空间估计不足的问题，在说话人空间和信道空间估计方面采用了分开串行估计的方法。\n 在说话人因子和信道因子估计时，采用Gauss-Seidel方法来代替原有的联合估计的方法。联合估计的方法将说话人空间和信道空间拼接成一个大的矩阵，然后联合估计说话人因子和信道因子，由于矩阵的维数较高，因此在训练目标说话人模型的时候需要的时间较长，而Gauss-Seidel方法则以串行估计的方式，分别在说话人空间和信道空间估计其相应的因子，从而大大降低了模型训练的时间复杂度。\n 在得分判决模块，提出了一种基于识别对(trial)信息的鉴别性判决函数，该鉴别性判决函数通过对代表“True”和“False”两种识别对信息的超向量所对应的贡献因子向量进行重新估计，来进一步提高两种识别对的分类性能。\n 2.研究并实现了总变化因子分析技术。该技术在对说话人进行建模的时候，不区分语音中的说话人信息和信道信息，而是将整个语音空间(总变化空间)进行建模，然后在这个空间上对训练和测试语音计算其相应的总变化因子(Ivector)，来作为SVM建模和分类的特征。为了降低信道对识别的影响，我们使用LDA降维技术以及类内协方差规整(WCCN)技术对Ivector进行信道补偿。\n 稀疏表示算法是一种具有很强鉴别性的分类方法。在说话人识别中，Ivector的维数通常较低，这非常适合于稀疏表示(Sparse Representation)算法中样本维数小于训练样本数的要求。因此，我们将稀疏表示算法引入到说话人识别中，并对其求解时的约束条件、得分计算方法以及得分规整方法进行了一定的改进，来提高算法的鲁棒性，并降低算法的时间复杂度。基于稀疏表示的Ivector系统获得了与基于SVM的Ivector系统相近的性能，且两者进行系统融合时，能够进一步提升Ivector系统的性能。\n 3.提出了一种基于语音谐波结构的鲁棒性说话人识别方法。该方法使用语音的谐波结构信息对语音进行再合成，我们使用合成后的语音进行传统的倒谱特征参数提取，从而用于说话人建模及识别。我们提出的这个方法通过对语音谐波结构的重构，能够一定程度上降低环境噪声以及信道不匹配对说话人识别性能的影响。另外，实验证明基于谐波结构合成语音的系统和基于原始语音的识别系统具有一定的互补性，两种系统的融合能够进一步提升说话人识别系统的性能。

关键词：说话人识别技术联合因子分析语音质量系统鲁棒性稀疏表示算法谐波结构

来源：评论

学校读者我要写书评

暂无评论

基于深度学习和Arousal-Valence模型的表情识别研究

基于深度学习和Arousal-Valence模型的表情识别研究

引用

作者：孙悦重庆邮电大学

学位级别：硕士

随着人工智能时代的到来,人工智能已经全面渗透到生活的各个领域,人类希望计算机不仅可以模拟人的智能,更希望计算机可以描述人的心理活动。面部表情识别是人工心理研究的热点,通过计算机研究人类的心理状态受到越来越多的关注。本文在... 详细信息

随着人工智能时代的到来,人工智能已经全面渗透到生活的各个领域,人类希望计算机不仅可以模拟人的智能,更希望计算机可以描述人的心理活动。面部表情识别是人工心理研究的热点,通过计算机研究人类的心理状态受到越来越多的关注。本文在基于深度学习和Arousal-Valence情感模型的基础上开展研究工作,重点研究了Gabor小波和卷积神经网络特征融合的表情识别方法,以及卷积神经网络多层融合和稀疏表示的表情识别方法。首先,基于Gabor小波在描述图像局部特征的优势,以及卷积神经网络对图像全局特征学习的优势,融合图像Gabor小波特征和卷积神经网络学习到的特征,从而得到新的特征向量。利用Arousal-Valence情感模型维度间的相关性,采用多输出支持向量回归算法进行表情的训练和预测算法。实验结果表明,本文提出的表情识别方法比传统的方法取得更好的识别效果。其次,针对卷积神经网络不同卷积层学习的特征效果不同,浅层特征图含有较多的细节特征,深层的特征含有更多的语义特征,本文提出了基于卷积神经网络多层特征融合和稀疏表示的表情识别方法。该方法充分发掘卷积神经网络各层特征的特点,对卷积层各层特征进行稀疏表示特征选择,稀疏表示特征选择得到特征与情感模型维度标签的权重,筛选出权重较大的特征,从而达到降维的目的。最后融合不同层的卷积层特征,将融合后新的特征向量送入到回归器中训练和预测。对比实验表明,本文提出的基于卷积神经网络多层特征融合的表情识别方法较其他深度学习方法和非深度学习方法学习到的特征,能取得更好的识别效果。

关键词：表情识别 Arousal-Valence情感模型深度学习卷积神经网络 Gabor小波变换多输出支持向量回归算法稀疏表示算法

来源：评论

学校读者我要写书评

暂无评论

倒装芯片超声扫描检测及其图像重构方法研究

倒装芯片超声扫描检测及其图像重构方法研究

引用

作者：刘凡江苏师范大学

学位级别：硕士

倒装芯片技术已广泛应用于微电子封装行业,它的裸芯片翻转并放置在基板上。倒装芯片技术提供更小的封装尺寸,更大的I/O密度,更低的信号延迟和更高的信号传播速度。然而,由于芯片和基板的热膨胀系数不匹配,封装界面容易变形,从而导致倒... 详细信息

倒装芯片技术已广泛应用于微电子封装行业,它的裸芯片翻转并放置在基板上。倒装芯片技术提供更小的封装尺寸,更大的I/O密度,更低的信号延迟和更高的信号传播速度。然而,由于芯片和基板的热膨胀系数不匹配,封装界面容易变形,从而导致倒装芯片内部缺陷,如焊点缺失、空洞、裂纹等,这些缺陷会导致倒装芯片今后无法正常使用。因此,有必要开发有效的技术来检测倒装芯片中的焊点。本文开发了一种基于扫描声学显微镜(SAM)的焊点智能诊断系统,但是由于倒装芯片的原始SAM图像分辨率较低,对倒装芯片焊点的缺陷识别造成困难,因此,我们将应用超分辨率技术重建原始的SAM图像。主要内容如下:研究基于稀疏表示方法对原始的SAM图像进行重构。它包括两个阶段:字典训练和重建。然后根据SAM图像的梯度对焊点进行分割,并提取其统计特征用于焊点分类。最后将LM-BP算法应用于缺陷焊点的识别。研究基于卷积神经网络算法对于SAM图像的重建。它直接学习低/高分辨率图像之间的端到端映射。映射表示为深度卷积神经网络,它将低分辨率图像作为输入并输出高分辨率图像。它包括块提取和表示,非线性映射和重建。之后,采用相同的图像后处理和识别算法对焊点进行检测。实验结果证明了所提出的倒装芯片缺陷检测方法的可行性。

关键词：倒装芯片扫描声学显微镜稀疏表示算法卷积神经网络算法缺陷检测

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：