一種改進的核Fisher鑒別分析算法在人臉識別中的應用.pdf

1、人臉識別過程包括人臉檢測、特征提取以及人臉分類三個部分,特征提取是其中最關(guān)鍵的環(huán)節(jié)。人臉特征提取又稱為人臉表述,在低維空間內(nèi)對原高維空間的人臉模式進行描述以提取有利于分類的低維特征。本文的主要工作體現(xiàn)在特征提取方面。目前特征提取過程中主要存在以下問題:由于人臉圖像的訓練樣本總數(shù)過大而導致類內(nèi)散度矩陣奇異的問題(又稱小樣本問題)；在投影過程中邊緣類起到了主導作用的投影重疊問題；最后一個問題是雖然通過實驗證明零空間方法求得的最優(yōu)鑒別矢量效果

2、確實不錯,但是它忽略了非零空間也可能存在最優(yōu)鑒別矢量的可能性,所以零空間所取的鑒別矢量不一定是最優(yōu)的。在非線性空間中采用加權(quán)的最大散度差鑒別準則,該方法不僅有效地抽取了人臉圖像的非線性特征,解決了小樣本問題,而且在特征空間內(nèi),使用權(quán)函數(shù)重新估計了類間散度矩陣和類內(nèi)散矩陣之間的關(guān)系,從而優(yōu)化了核的最大散度差準則函數(shù),一定程度上抑制了投影重疊問題。由于改進后的散度差準則包括了零空間方法,或者說零空間方法是本文方法的特殊情況,這樣就使得本文方