Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/44703
Title in Portuguese: Uma melhoria do algoritmo K-SVD com aplicações em reconhecimento facial
Title: An improvement of the K-SVD algorithm with applications on face recognition
Author: Muniz, Luiz Gustavo Sant'Anna Malkomes
Advisor(s): Brito, Carlos Eduardo Fisch de
Keywords: Aprendizado de dicionário
Representação esparsas
K-SVD
LC-KSVD
Issue Date: 2014
Citation: MUNIZ, Luiz Gustavo Sant'Anna Malkomes. Uma melhoria do algoritmo K-SVD com aplicações em reconhecimento facial. 2014. 72 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do Ceará, Fortaleza, 2014.
Abstract in Portuguese: A representação de imagens é uma questão essencial no que diz respeito a problemas de processamento de imagens. Nos últimos anos, a modelagem esparsa de sinais tem recebido muita atenção por parte das comunidades científicas devido aos resultados de estado-da-arte apresentados para diversas tarefas, e.g., remoção de ruídos, retoque digital e classificação de imagens. Referido sucesso deve-se, em parte, à habilidade de prover representações adaptadas ao conjunto de dados do problema. Isso é possível graças às técnicas de aprendizado de dicionário, sendo o algoritmo K-SVD um dos algoritmos mais utilizados para esse propósito. Neste trabalho, propõe-se o algoritmo αK-SVD, que busca explorar melhor o espaço de busca dos possíveis dicionários de uma forma mais extensa do que é feito pelo KSVD. Além disso, diferentes maneiras de explorar o estado de possíveis dicionários foram estudadas para ajudar na compreensão de como essas estratégias impactam o resultado final do algoritmo. Todas as técnicas desenvolvidas são valiadas em relação à capacidade de representação dos sinais de entrada e à performance de reconhecimento de faces, medida com base em duas bases de dados públicas. Os resultados mostraram que a abordagem proposta apresentou melhores resultados do que os algoritmos K-SVD e LC-KSVD quando o fator de esparsidade é baixo, i.e., o número de elementos não nulos na representação é pequeno.
Abstract: Image representation is an essential issue regarding the problems related to image processing and understanding. In the last years, the sparse representation modeling for signals has been receiving a lot of attention due to its state-of-the-art performance in different tasks such as image denoising, image inpainting and classification. One of the important factors to its success is the ability to promote representations well adapted to the data which rised with the dictionary learning algorithm. The most well known of theses algorithms is the K-SVD. In this work we proposed the αK-SVD algorithm, an algorithm which tries to explore the search space of possible dictionaries better than the K-SVD. Moreover, we studied different ways of exploring the search space of dictionaries in order to understand its impact on the algorithm performance. All theses methods are evaluated based two factores: the ability of sparse representing a set of given signals; and the recognition perfomance on two public face recognition databases. The results showed that our approaches achieved better results than the K-SVD and LC-KSVD when the sparsity level is low, i.e., when the number of non-zero elements on the representation is small.
URI: http://www.repositorio.ufc.br/handle/riufc/44703
metadata.dc.type: Dissertação
Appears in Collections:DCOMP - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2014_dis_lgsmmuniz.pdf1,44 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.