基于流形學(xué)習(xí)子空間的人臉識別方法研究.pdf

1、本文以人臉識別為應(yīng)用背景,對當(dāng)前流形學(xué)習(xí)子空間算法存在的問題進行了較深入的研究,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、解決小樣本問題及非線性可分問題等,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。針對上述問題,研究了Log-Gabor小波特征在人臉表征方面的性能。同時以非監(jiān)

2、督判別映射和局部線性嵌入算法為研究對象,針對原始算法基向量沒有任何約束而導(dǎo)致信息重疊的問題,研究了對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,研究了基于Log-Gabor小波的流形學(xué)習(xí)子空間的人臉識別算法。
　　 2).針對傳統(tǒng)人臉識別算法不利于處理人臉等非線性結(jié)構(gòu)的問題,以鄰域判別嵌入算法為研究對象,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求解一個不對稱特征方程的特征值對應(yīng)的特征向量進行低維投影,導(dǎo)致特征向量間存在較多的信息冗余。針對該問題,進一步研究了有效去除特征向量冗余信息的方法,研究了對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)映射算法沒有有效利用樣本的類別信息,是無監(jiān)督的人臉識別算法,而且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結(jié)構(gòu)信息,且容易造成奇異性的問題。針對該問題,研究了