基于非參數(shù)化判別分析的人臉識(shí)別研究.pdf

1、生物特征識(shí)別技術(shù)以其獨(dú)特的優(yōu)勢(shì)，已成為身份鑒別和認(rèn)證的一個(gè)重要研究方向。人臉識(shí)別技術(shù)作為生物特征識(shí)別技術(shù)中的一種，同其它生物特征識(shí)別技術(shù)相比，具有直接、方便、易接受等特點(diǎn)，因而受到廣泛關(guān)注。論文從經(jīng)典的線性最佳描述特征入手，針對(duì)具有更好判別性能的判別分析方法，深入研究了子空間方法中典型的主成分分析、Fisher判別分析的人臉特征提取方法，并進(jìn)行了大量的實(shí)驗(yàn)分析，主要內(nèi)容如下： 1.詳細(xì)研究主成分分析(Principal Comp

2、onent Analysis，PCA)和線性判別分析(Linear Discriminant Analysis，LDA)的基本原理。分析了基于PCA的人臉識(shí)別方法；在分析PCA方法不能提取有效分類特征的缺點(diǎn)的基礎(chǔ)上，實(shí)現(xiàn)了基于LDA的人臉識(shí)別方法，并進(jìn)行了大量分析。實(shí)驗(yàn)結(jié)果表明，LDA可以獲得優(yōu)于PCA的識(shí)別率，缺點(diǎn)是不適用于線性不可分?jǐn)?shù)據(jù)，不能提取隱藏在圖象空間的非線性結(jié)構(gòu)。 2.針對(duì)LDA不能有效地提取圖象空間的非線性結(jié)構(gòu)，

3、且最多只能提取c-1個(gè)判別特征，使得分類性能不夠理想等問(wèn)題，研究了基于非參數(shù)化判別分析(Nonparametric Discriminant Analysis，NDA)的人臉識(shí)別方法。該方法借助非線性結(jié)構(gòu)局部近似線性的思想，定義了新的類間散布矩陣和類內(nèi)散布矩陣，然后通過(guò)最大化類間散布矩陣和最小化類內(nèi)散布矩陣準(zhǔn)則提取最優(yōu)投影方向，使得投影后的特征不僅有效地保持了類內(nèi)的局部結(jié)構(gòu)，且類內(nèi)分布具有較好的緊湊性，類間分布具有較好的可分性。此外，N