基于非線性Fisher判決的人臉識別方法研究.pdf

1、人臉識別是生物特征鑒別技術的一個主要方向，與其他生物特征相比，人臉識別具有主動性、非侵犯性和用戶友好等許多優(yōu)點，多年來一直受到許多研究者的關注。從最初的基于幾何的方法到基于統(tǒng)計等復雜特征的方法，人臉識別已經(jīng)發(fā)展了很多算法。目前基于統(tǒng)計特征的線性方法在人臉識別中發(fā)展的比較成熟，但是由于人臉識別涉及光照、表情、姿態(tài)等問題，線性方法在實際應用中表現(xiàn)的遠遠不夠。因此，將線性方法拓展到非線性領域以提高識別率是一個亟待解決的問題。本論文主要研究了核

2、Fisher判決分析(KFDA)，重點是各種線性Fisher判決算法到非線性方法的拓展。主要結果概括如下： 1.根據(jù)核Fisher判決分析算法，本文提出引入了核樣本集的概念。將KFDA算法等價于對核樣本集做Fisher線性判決(FLD)。這樣非線性的算法又轉化到了線性算法。因此，將成熟的線性算法再重新引入到非線性領域，以提高原有算法的性能的。 2.基于核樣本集的概念提出兩種增強型核Fisher判決分析模型(EKFD-1和

3、EKFD-2)。該算法將兩種增強型FLD模型(EFM-1和EFM-2)引入到非線性算法中。EKFD模型在對核樣本集進行FLD處理的過程中，考慮了過擬合問題，并將FLD過程等效為對類內(nèi)和類間散布矩陣的分別對角化。實驗結果表明，增強型核Fisher判決分析模型提高了傳統(tǒng)KFD算法的識別率，也提高了EFM算法的識別率。 3.與次分量分析(MCA)結合，提出了基于次分量的核Fisher判決分析算法。該算法同樣是基于核樣本集的，并利用次分