基于PCA和MSD的人臉圖像檢索研究.pdf

1、人臉圖像檢索技術(shù)由于它在身份識(shí)別、電子商務(wù)，金融安全等方面具有巨大應(yīng)用前景而成為當(dāng)前模式識(shí)別和人工智能等領(lǐng)域的一個(gè)研究熱點(diǎn)。人臉圖像檢索技術(shù)包括：人臉檢測(cè)技術(shù)、人臉識(shí)別技術(shù)和數(shù)據(jù)庫(kù)技術(shù)。人臉識(shí)別技術(shù)則是人臉圖像檢索技術(shù)的核心。人臉識(shí)別技術(shù)經(jīng)過近半個(gè)世紀(jì)的發(fā)展，基本上實(shí)現(xiàn)了特定環(huán)境下的準(zhǔn)確識(shí)別，并已取得較多成果。盡管如此，人臉識(shí)別技術(shù)要達(dá)到完全實(shí)用的水平，還面臨著許多挑戰(zhàn)，因人臉易受表情、光照等因素影響，如何提取有效的人臉鑒別特征是人臉識(shí)

2、別的關(guān)鍵問題之一。
　　本文主要針對(duì)人臉圖像檢索中的人臉特征提取及識(shí)別技術(shù)進(jìn)行研究，主要研究工作與創(chuàng)新點(diǎn)如下：
　　1）介紹了PCA，LDA和MSD三種人臉特征提取方法，并在ORL、YALE人臉庫(kù)上進(jìn)行了對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，MSD方法的識(shí)別性能優(yōu)于LDA和PCA方法。
　　2）針對(duì)傳統(tǒng)二維核主成分分析(K2DPCA)方法沒有充分利用人臉的類別信息，在人臉識(shí)別中存在邊緣類及硬分類問題，提出了基于模糊二維核主成分分析(

3、FK2DPCA)的人臉識(shí)別方法。首先在K2DPCA中引入模糊概念；其次利用核學(xué)習(xí)方法將類別可分性判據(jù)推廣到高維特征空間中；然后選取符合投影后的類間散度大于類內(nèi)散度的特征向量為最優(yōu)投影軸；最后采用最近鄰分類器進(jìn)行分類識(shí)別。在ORL和YALE人臉庫(kù)上的實(shí)驗(yàn)證明了FK2DPCA性能優(yōu)于傳統(tǒng)人臉識(shí)別方法。
　　3）針對(duì)核最大散度差(KMSD)方法在人臉識(shí)別中存在邊緣類和次優(yōu)性問題，提出了基于核主成分分析(KPCA)和模糊最大散度差(FMS

4、D)的人臉識(shí)別(KFMSD)方法。首先利用KPCA方法提取人臉的非線性結(jié)構(gòu)特征；其次選取符合投影后的類間散度大于類內(nèi)散度的特征向量為最優(yōu)投影軸；然后用FMSD方法，根據(jù)隸屬度函數(shù)將樣本的原始分布信息完全融入到人臉的特征提取中；最后采用最近鄰分類器進(jìn)行分類識(shí)別。在ORL和YALE人臉庫(kù)上的實(shí)驗(yàn)證明了KFMSD算法的有效性。
　　4）針對(duì)雙向最大散度差判別分析方法在人臉識(shí)別中不能有效地提取人臉的非線性鑒別特征和存在邊緣類及硬分類的問題