LDA的改進(jìn)算法及其在人臉識(shí)別中的應(yīng)用.pdf

1、隨著計(jì)算機(jī)科學(xué)與互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，生物識(shí)別技術(shù)廣泛應(yīng)用于我們的社會(huì)生活中，例如指紋識(shí)別、人臉識(shí)別等。由于人臉識(shí)別具有非強(qiáng)制性和非接觸性等特點(diǎn)，因此，作為生物識(shí)別技術(shù)的人臉識(shí)別方法很快成為重要的研究領(lǐng)域。
　　人臉識(shí)別是一種基于人的臉部特征信息達(dá)到身份識(shí)別的方法，目前，研究人員提出了很多不同的人臉識(shí)別方法，且開(kāi)發(fā)出不同種類(lèi)的人臉識(shí)別系統(tǒng)，然而，在實(shí)際應(yīng)用中，這些人臉識(shí)別方法或系統(tǒng)卻暴露出很多的問(wèn)題，它們主要來(lái)自兩個(gè)方面：一是人臉

2、圖像易受外界環(huán)境的影響，比如雨、雪、風(fēng)、泥點(diǎn)等，這些因素的存在將對(duì)人臉檢測(cè)與識(shí)別造成不同程度上的干擾。另一是人臉圖像數(shù)據(jù)的維數(shù)相對(duì)較高，在實(shí)際應(yīng)用中，經(jīng)常需要對(duì)高維數(shù)據(jù)進(jìn)行降維處理，且不同的降維算法會(huì)影響特征提取的效率，從而降低人臉檢測(cè)與識(shí)別的準(zhǔn)確率。
　　針對(duì)上述問(wèn)題，本文對(duì)LDA特征提取方法以及圖像的噪聲處理進(jìn)行了研究，獲得了一種基于總體離散度的零空間LDA算法，并將該方法應(yīng)用于人臉識(shí)別系統(tǒng)問(wèn)題。具體研究工作主要包括以下內(nèi)容：

3、
　　1.圖像的去噪處理?？紤]到外界復(fù)雜環(huán)境因素的影響，特別是噪聲的干擾，通過(guò)分析椒鹽噪聲的特點(diǎn)以及多種濾波器各自的優(yōu)勢(shì)，對(duì)具有椒鹽噪聲的圖像，使用中值濾波方法去除噪聲，并結(jié)合ORL和YALE人臉數(shù)據(jù)庫(kù)進(jìn)行了實(shí)驗(yàn)研究，討論了噪聲密度對(duì)于特征提取算法參數(shù)設(shè)置的影響。
　　2.分析研究了LDA及其擴(kuò)展方法的特征提取。通過(guò)分析傳統(tǒng)的LDA特征提取方法，以及所使用的Fisher準(zhǔn)則，對(duì)基于LDA的擴(kuò)展方法的特征提取進(jìn)行了研究，主要包

4、括主成分分析與LDA相結(jié)合的特征提取方法、直接LDA方法、零空間LDA方法、正交LDA方法、不相關(guān)LDA方法、正則LDA方法、核LDA方法、張量LDA方法以及基于二維圖像的LDA方法，通過(guò)選取最近鄰和K近鄰分類(lèi)器，實(shí)驗(yàn)研究了不同特征提取方法在人臉識(shí)別中的性能。
　　3.針對(duì)零空間的LDA算法存在的缺陷，研究了基于總體離散度的零空間特征提取，提出了基于總體離散度的零空間 LDA算法；同時(shí)，通過(guò)引入權(quán)重系數(shù)動(dòng)態(tài)調(diào)整類(lèi)內(nèi)離散度矩陣和類(lèi)間