人臉識別中基于流形學(xué)習(xí)的子空間特征提取方法研究.pdf

1、特征提取是模式識別中最基本的問題之一。在人臉識別中，提取有效的鑒別特征是實(shí)現(xiàn)人臉準(zhǔn)確識別的一個(gè)關(guān)鍵因素。由于人臉空間被認(rèn)為是嵌入高維的外圍空間中的低維流形，與人臉類別有關(guān)的特征信息就存在這個(gè)流形中，所以許多子空間特征提取方法采用流形學(xué)習(xí)來發(fā)現(xiàn)人臉模式的內(nèi)蘊(yùn)結(jié)構(gòu)。本文對基于流形學(xué)習(xí)的子空間特征提取方法進(jìn)行了研究，論文的主要工作和貢獻(xiàn)體現(xiàn)在以下幾個(gè)方面： 1.針對線性局部切空間排列沒有利用人臉樣本的類別信息，提取的特征有冗余，而且不

2、能保持高維數(shù)據(jù)空間測度的問題，利用類別信息，同時(shí)根據(jù)譜回歸理論，提出了使用嶺回歸技術(shù)的判別的線性局部切空間排列。在此基礎(chǔ)上，引入正交變換，提出了正交判別的線性局部切空間排列，降低了算法復(fù)雜度，解決了測度保持問題。 2.當(dāng)人臉特征維數(shù)遠(yuǎn)遠(yuǎn)大于樣本數(shù)目時(shí)，一般線性子空間方法學(xué)習(xí)得到的嵌入子空間非光滑且不能獲得稀疏解。針對這種情況，使用空間光滑正則化和稀疏化技術(shù)，將正單純形的頂點(diǎn)作為映射目標(biāo)，采用彈性網(wǎng)絡(luò)建立映射關(guān)系，提出了稀疏光滑的

3、臨界費(fèi)舍爾分析算法，解決了反映最強(qiáng)信息的最小特征子集的選擇問題。 3.針對局部敏感判別分析只能處理向量類型的數(shù)據(jù)，不能保持圖像像素間的空間信息，并且容易造成奇異性問題，提出了張量局部判別投影。提出的算法歸結(jié)為迭代求解廣義特征向量問題來求取張量子空間的兩個(gè)變換矩陣，從而在水平和垂直方向消除圖像行和列的相關(guān)性，而且壓縮了特征維數(shù)，保持了圖像空間信息的完整性。 4.當(dāng)人臉特征呈現(xiàn)高度非線性分布時(shí)，線性子空間方法很難提取出有效的