多流形的人臉特征提取與識別研究.pdf

1、人臉識別在模式識別與計算機視覺領(lǐng)域中頗受科研人員的熱愛，屬于生物識別的研究范疇。其中，特征提取是模式識別眾多問題中最為重要的一環(huán)，人臉識別技術(shù)研究的關(guān)鍵所在就是如何提取有利于分類的鑒別特征。傳統(tǒng)的全局特征提取方法無法提取人臉圖像的局部特征，傳統(tǒng)的局部提取方法無法顧及人臉圖像的全局特征，并且存在數(shù)據(jù)維度過高、樣本數(shù)少和識別效果不理想等問題。本文就基于多流形的特征提取理論和方法做了以下相關(guān)研究，主要工作分為以下幾部分：
　?。?）闡述

2、了人臉識別的概述、研究背景及內(nèi)容、應(yīng)用及難點等，并簡要介紹了幾種典型的人臉數(shù)據(jù)庫。
　?。?）詳細介紹了四種經(jīng)典的人臉識別特征提取方法：主成分分析（PCA）、線性鑒別分析（LDA）、局部保持投影（LPP）和局部線性嵌入（LLE）方法。并對這四種方法的優(yōu)缺點進行了簡要闡述。
　?。?）在最大間距準則（MMC）算法的基礎(chǔ)上，通過引入多流形思想，提出了基于多流形的最大間距準則局部圖嵌入（MLGE/MMC）算法。此算法首先構(gòu)造出多流

3、形外部散度，其次通過多流形內(nèi)部重建權(quán)重矩陣構(gòu)造出多流形內(nèi)部散度，最后要達到的目的就是使流形外部的間隔可分性最大以及流形內(nèi)部的變化最小。與此同時，最大限度地擴大流形邊緣，以此更有效地進行特征的提取與分類。此算法采用 MMC準則的形式構(gòu)造目標函數(shù)，有效解決了因訓練樣本較少而導(dǎo)致算法的判別能力下降的問題。
　　（4）非監(jiān)督線性差分投影（ULDP）方法能使相距比較遠的數(shù)據(jù)點之間的非局部散度達到最大。但ULDP方法也存在著以下不足：1）在學