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)，人臉識別技術研究的關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、研究背景及內容、應用及難點等，并簡要介紹了幾種典型的人臉數(shù)據庫。
　?。?）詳細介紹了四種經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。此算法首先構造出多流

3、形外部散度，其次通過多流形內部重建權重矩陣構造出多流形內部散度，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準則的形式構造目標函數(shù)，有效解決了因訓練樣本較少而導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