基于流形學(xué)習(xí)子空間的人臉識(shí)別方法研究.pdf

1、本文以人臉識(shí)別為應(yīng)用背景,對(duì)當(dāng)前流形學(xué)習(xí)子空間算法存在的問(wèn)題進(jìn)行了較深入的研究,如提取有效的圖像特征、去除基向量冗余信息、圖像矩陣空間結(jié)構(gòu)信息保持、解決小樣本問(wèn)題及非線性可分問(wèn)題等,提出相應(yīng)的解決方案。本文的主要工作如下:
　　 1).傳統(tǒng)的人臉識(shí)別算法一般都是基于圖像灰度矩陣操作的,而圖像灰度矩陣不足以充分描述人臉特征信息,也存在較多的高階信息冗余。針對(duì)上述問(wèn)題,研究了Log-Gabor小波特征在人臉表征方面的性能。同時(shí)以非監(jiān)

2、督判別映射和局部線性嵌入算法為研究對(duì)象,針對(duì)原始算法基向量沒(méi)有任何約束而導(dǎo)致信息重疊的問(wèn)題,研究了對(duì)算法基向量添加約束以去除重疊信息的方法。最后結(jié)合流形學(xué)習(xí)子空間算法和Log-Gabor小波的優(yōu)點(diǎn),研究了基于Log-Gabor小波的流形學(xué)習(xí)子空間的人臉識(shí)別算法。
　　 2).針對(duì)傳統(tǒng)人臉識(shí)別算法不利于處理人臉等非線性結(jié)構(gòu)的問(wèn)題,以鄰域判別嵌入算法為研究對(duì)象,將算法推廣至非線性領(lǐng)域,研究了核化的非線性流形學(xué)習(xí)子空間算法在人臉識(shí)別中

3、的應(yīng)用。由于傳統(tǒng)的流形學(xué)習(xí)子空間算法一般都是通過(guò)求解一個(gè)不對(duì)稱(chēng)特征方程的特征值對(duì)應(yīng)的特征向量進(jìn)行低維投影,導(dǎo)致特征向量間存在較多的信息冗余。針對(duì)該問(wèn)題,進(jìn)一步研究了有效去除特征向量冗余信息的方法,研究了對(duì)基向量添加正交及不相關(guān)約束下的算法框架。
　　 3).原始等度規(guī)映射算法沒(méi)有有效利用樣本的類(lèi)別信息,是無(wú)監(jiān)督的人臉識(shí)別算法,而且只能處理向量類(lèi)型的數(shù)據(jù),不能保持圖像像素間的空間結(jié)構(gòu)信息,且容易造成奇異性的問(wèn)題。針對(duì)該問(wèn)題,研究了