基于LPP算法的人臉識別方法研究.pdf

1、人臉識別是人工智能與模式識別的一個重要研究方向，它涉及到圖像處理，計算機視覺，模式識別，機器學(xué)習(xí)等相關(guān)的多門學(xué)科，它的高可靠性和高穩(wěn)定性使它廣泛應(yīng)用于信息安全，金融，安全防務(wù)等多個領(lǐng)域。
　　 特征提取是人臉識別中極其重要的一個步驟，特征提取的效果直接影響正確識別人臉的正確識別率。常見的特征提取方法有基于線性形的特征臉方法、基于非線性的流形方法以及核方法等。而本文主要工作就是針對流形方法中拉普拉斯特征映射(LE)的線性近似的局部

2、保值算法進行改進。
　　 單獨運用局部保持投影(LPP)算法進行人臉識別時，噪聲影響會破壞真實的流形結(jié)構(gòu)，由于噪聲點主要分布在圖像的高頻、水平和垂直信息分量中，而Haar小波可以有效的分離這些分量，根據(jù)這一優(yōu)點本文提出一種Haar小波與LPP相結(jié)合的算法。此算法先通過Haar小波消除大部分包含噪聲信息的分量，而保留含有原始圖像大量能量的低頻分量，再把包含低頻分量的圖像轉(zhuǎn)化為向量形式疊加到原圖像中去，使之變成更高維空間向量，再利用

3、LPP算法對其降維，并依據(jù)最近鄰準(zhǔn)則實現(xiàn)人臉識別。通過在AT&T與Sheffield人臉數(shù)據(jù)庫上的實驗表明該方法優(yōu)于原始的LPP算法。
　　 大量研究表明，人臉圖像數(shù)據(jù)是位于一個非線性的流形上，而LPP是一種線性的方法，不能很好的描述數(shù)據(jù)的拓?fù)浣Y(jié)構(gòu)，因此本文引入了核方法，該方法可以將原始空間線性不可分的數(shù)據(jù)映射到核空間，使其變成線性可分，從而使人臉數(shù)據(jù)的拓?fù)浣Y(jié)構(gòu)表現(xiàn)的更真實；另外，由于LPP算法是無監(jiān)督的，降維后得到的是樣本的最

4、佳描述信息，而不是有利于樣本識別的最佳分類信息?；谝陨戏治觯疚奶岢隽朔蔷€性有監(jiān)督的核方法KSLPP，該方法首先選擇一個核函數(shù)，通過非線性映射將原空間中線性不可分的數(shù)據(jù)映射到一個維數(shù)可以無窮大的高維核空間，再利用LPP算法在此空間計算基向量，然后將核空間中的人臉圖像向每個LPP基向量做投影，在一維投影子空間上進行線性判別分析，拋棄主要反映類內(nèi)差異的基向量，選擇主要反映類間差異的基向量來構(gòu)造新的子空間，在AT&T、YaleA以及Shef