基于譜回歸的人臉識別的研究.pdf

1、人臉識別是近年來模式識別，圖像處理，機器視覺，神經(jīng)網(wǎng)絡以及認知科學等領(lǐng)域的熱點課題之一，在檔案管理系統(tǒng)、安全驗證系統(tǒng)、信用卡驗證、公安系統(tǒng)的罪犯身份識別、銀行和海關(guān)的監(jiān)控、人機交互等領(lǐng)域具有廣闊的應用前景。在過去的幾十年里，人臉識別技術(shù)得到了發(fā)展，基于子空間的人臉識別算法引起了廣泛的關(guān)注，例如主成分分析(PCA)、線性判別分析(LDA)、局部保形投影(LPP)等，但是這些方法的缺點是得到的投影函數(shù)是原始特征的線性合并，它們通常很難表示實

2、際結(jié)果，并且有些算法在計算密度矩陣的特征分解時非常的消耗時間和內(nèi)存。本文主要內(nèi)容包括：
　　 1)介紹了基于子空間學習的圖嵌入降維的幾種形式：線性化，核化，張量化。在圖嵌入中，監(jiān)督情況下的(或非監(jiān)督情況下)、基于統(tǒng)計的(或幾何模型的)，各種算法有著不同的解決降維問題的方式。且每種算法可以當成是本征圖在尺度歸一化約束下具有統(tǒng)計和幾何性的數(shù)據(jù)點集(補償圖是在避免其統(tǒng)計和幾何性的基礎(chǔ)上)，或直接、或線性化嵌入、或核嵌入、或張量化嵌入的

3、方法；
　　 2)對譜回歸(SR)方法進行分析，將其應用于人臉識別中。譜方法是降維和流形學習方法中強大的工具。這些方法運用數(shù)據(jù)仿射后的特征向量來表示信息特征，從而達到把高維數(shù)據(jù)用低維數(shù)據(jù)表示的目的，譜回歸算法將求解特征函數(shù)的問題放在一個回歸模型中，避免了解密度矩陣的特征值問題；
　　 3)結(jié)合譜回歸算法，張量化原理及二維保形投影(2DLPP)，本文提出了新的算法：SR-2DLPP，并用正則化原理求解。此算法可以直接處理圖