人臉識別中基于子空間的特征提取方法研究.pdf

1、人臉識別作為近年來生物特征識別技術(shù)領域的熱門研究課題，具有非常重要的研究意義和實用價值。一個完善的人臉識別系統(tǒng)包括四個主要環(huán)節(jié)：人臉檢測、預處理、特征提取、分類識別。其中，能否提取有效的鑒別特征是人臉識別能夠準確識別的一個關鍵因素，影響了整個人臉識別系統(tǒng)的性能。在眾多的特征提取方法中，基于子空間的特征提取方法具有計算代價小、描述能力強、可分性好等優(yōu)點，得到大量的研究與應用。本文對基于子空間思想的主成分分析方法和局部保持投影算法進行了詳細

2、的分析、研究和實現(xiàn)，針對實驗中遇到的問題，對算法進行了一定的改進，在一定程度上提高算法的性能。
　　 論文的主要工作和貢獻體現(xiàn)在以下幾個方面：
　　 ①本文實驗采用的人臉圖像來自于現(xiàn)存的人臉數(shù)據(jù)庫，人臉檢測過程可以省略。預處理環(huán)節(jié)主要對人臉數(shù)據(jù)庫的圖像進行剪裁，去掉多余的部分，保留圖像的本質(zhì)區(qū)別。在實驗前就將圖像像素維數(shù)降低，減少了計算復雜度，并且去掉了圖像的干擾因素。
　　 ②在人臉識別過程中針對人臉圖像的采用

3、形式不同，形成了將圖像矩陣轉(zhuǎn)化成向量表示的一維算法和直接用圖像矩陣進行運算的二維算法。在第二章中對一維主成分分析方法和二維主成分分析方法進行分析說明，通過實驗驗證一維算法與二維算法的優(yōu)劣點。一維算法中是將二維人臉矩陣轉(zhuǎn)化為一維向量進行運算，忽略了圖像的內(nèi)部結(jié)構(gòu)特征，從而降低識別率。直接應用二維人臉矩陣計算，保留了圖像的內(nèi)部結(jié)構(gòu)特征，但是二維矩陣的計算復雜度較高。
　　 ③局部保持投影算法是基于流形學習的典型方法。在人臉識別過程中

4、會遭遇奇異值問題，影響識別效果。在第三章中提出一種利用奇異值分解的方法。在模型中，先將樣本數(shù)據(jù)投影到一個非奇異正交矩陣中，解決了奇異值問題，然后再根據(jù)局部保持投影算法求出新樣本空間的低維投影子空間。將訓練樣本和測試樣本分別投影到低維子空間中，再利用最近鄰分類器進行分類識別。在實驗中驗證該算法的有效性和魯棒性。
　　 ④將基于列的二維局部保持投影算法應用于人臉識別，即將人臉圖像矩陣中的每一列作為樣本點，構(gòu)造包括所有樣本點的最近鄰圖