基于Log-Gabor變換和子空間分析的人臉識(shí)別算法研究.pdf

1、在人臉識(shí)別算法中，子空間分析方法由于計(jì)算代價(jià)小、描述能力強(qiáng)等特性，成為目前人臉識(shí)別的主流方法之一，廣泛應(yīng)用于人臉識(shí)別的特征提取過(guò)程中。傳統(tǒng)的基于子空間理論的人臉識(shí)別算法是建立在人臉空間是線性可分空間的假設(shè)基礎(chǔ)上，但是人臉空間被認(rèn)為是嵌套在高維空間中的非線性流形，與人臉類別有關(guān)的特征信息就存在這個(gè)流形中，所以許多子空間特征提取方法都是通過(guò)采用流形學(xué)習(xí)來(lái)發(fā)現(xiàn)人臉模式的內(nèi)蘊(yùn)結(jié)構(gòu)。由于非線性流形學(xué)習(xí)算法計(jì)算量大，而且很難實(shí)現(xiàn)增量學(xué)習(xí)，嚴(yán)重阻礙了

2、其在模式識(shí)別與人工智能領(lǐng)域的應(yīng)用。局部敏感判別分析(LocaliySensitiveDiscriminantAnalysis，LSDA)是基于流形學(xué)習(xí)的線性降維方法，因其具有出色的局部線性結(jié)構(gòu)的保持能力又能真實(shí)地反映數(shù)據(jù)的流形結(jié)構(gòu)具有很好的分類性能，成為目前流形學(xué)習(xí)中主流方法之一。但是，流形學(xué)習(xí)算法不能有效地消除圖像特征向量中如高階相關(guān)等冗余信息，而且LSDA作為一種線性算法，當(dāng)人臉圖像特征存在于受光照、姿態(tài)、表情變化等影響的復(fù)雜非線性

3、結(jié)構(gòu)空間中時(shí)，這種線性算法就有不可避免的缺陷，并沒(méi)有更好地發(fā)掘這些非線性因素。本論文的主要研究?jī)?nèi)容和工作體現(xiàn)在以下幾個(gè)方面：
　　 1.基于Log-Gabor變換的人臉特征提取算法。通過(guò)對(duì)Gabor變換和Log-Gabor變換的詳細(xì)分析研究和實(shí)驗(yàn)比較，證明了Log-Gabor變換在提取人臉特征方面具有很大的優(yōu)越性。
　　 2.對(duì)基于局部敏感判別分析(LSDA)算法的人臉識(shí)別方法以及改進(jìn)的算法OLSDA的原理和實(shí)現(xiàn)過(guò)程進(jìn)行