基于Gabor變換與流形學習理論的人臉識別算法.pdf

1、近年來，流形學習作為一種新的維數(shù)約簡方法開始受到極大關注。流形學習假設數(shù)據(jù)分布在一個低維流形上，算法試圖通過保持數(shù)據(jù)的局部幾何結(jié)構將原始的高維數(shù)據(jù)嵌入到低維子流形中，本文介紹了幾種具有代表性的流形學習算法，如 Isomap、LLE、LE、LTSA及LSDA等，并著重介紹流形學習在人臉識別中的應用。
　　 人臉識別是計算機模式識別研究的重要領域。雖然，人類能夠很容易地識別人臉，但對機器來說，仍是一件困難的事。在人臉識別領域，Gab

2、or小波由于其核函數(shù)同哺乳動物簡單細胞的感受野剖面類似，且能達到測不準原理的最小值，具有最佳的時頻分辨率，故其在圖像的特征提取方面有著很大的優(yōu)勢。故本文研究了基于Gabor濾波和流形學習算法的人臉識別方法，主要工作如下：
　　 首先，由于Gabor濾波器組能夠提取人臉圖像的多分辨率特征，先利用Gabor濾波器組從不同方向和尺度下提取圖像的特征，經(jīng)過采樣、排列得到一個特征組合向量，由于Gabor濾波后的特征向量維數(shù)是非常高的，不易

3、于識別，故利用流形學習算法將高維特征向量進行降維，得到低維特征子空間，再利用分類器進行分類識別。依據(jù)這個思想，在本文中，我們介紹了一種新的將局部敏感判別算法運用于Gabor特征向量的GLSDA算法。在ORL和Yale數(shù)據(jù)庫上進行了人臉識別實驗，具體的實驗結(jié)果表明：該算法的識別率高于其他常用的人臉識別算法。
　　 其次，考慮到局部敏感算法是監(jiān)督的學習方法，對于樣本類別未知的情況下，將不再實用。于是，我們提出將Gabor濾波與無監(jiān)督