基于稀疏表示的人臉特征提取與識別算法研究.pdf

1、人臉識別是模式識別領域中的一個涉及面非常廣的重要研究方向。由于人臉圖像在采集時受環(huán)境、光照、表情和姿態(tài)等多種變化的影響，使得人臉識別研究極富挑戰(zhàn)性。如何快速準確地利用計算機進行人臉的檢測與識別是當前人臉識別技術的關鍵所在。目前，盡管人臉識別研究已經(jīng)取得了一些成績，但是仍有許多問題和關鍵技術有待進一步解決和完善，其中主要包括：人臉特征提取的充分性研究，即如何充分嵌入局部和全局結構信息等；人臉特征識別的分類性能研究，即設計具有高精度識別率和

2、快速分類的算法等。
　　基于稀疏表示的人臉識別技術，具有簡單的理論基礎和較好的魯棒性。因此本文對稀疏表示人臉識別算法進行了研究，研究重點在特征提取和分類識別上，提出了一些新的人臉特征提取和識別算法。通過在人臉基準數(shù)據(jù)庫上進行的大量實驗，表明本文算法在人臉識別的計算效率和識別率上獲得了良好效果。
　　本論文的主要工作和貢獻如下：
　　(1)提出一種加權主成分分析特征提取算法。新算法首先通過線性擬合標記信息與特征維來對各特

3、征加權，并通過稀疏約束使部分特征的權值為零，然后進行主成分分析特征提取。該方法實現(xiàn)了特征預選擇并且突出了重要特征屬性。實驗結果表明，新算法不僅能夠降低計算復雜度，還能提高分類的精度。
　　(2)提出兩種稀疏保持投影特征提取算法。一種是加權稀疏鄰域保持投影，使用一個加權的稀疏重構模型去學習重構系數(shù)，并通過限制非零重構系數(shù)的個數(shù)，降低了時間復雜度，提高了識別精度和全局魯棒性。另一種是基于聚類的無監(jiān)督判別加權稀疏保持投影，區(qū)別于傳統(tǒng)的稀

4、疏保持投影方法，新算法將聚類與判別加權稀疏重構結合起來，通過聚類得到每個訓練樣本的標記，實現(xiàn)了無監(jiān)督的判別性能，從而在提升簡單性的同時提升了識別精度。
　　(3)提出一種圖嵌入的判別協(xié)同保持投影特征提取算法。本文提出了一種對分類器適應的特征提取算法，并將該模型融合到圖嵌入框架。新算法使用協(xié)同表示構建類內(nèi)和類間圖，不僅避免了傳統(tǒng)流形學習算法的參數(shù)尋優(yōu)困難，而且繼承了協(xié)同表示的魯棒性。通過引入標記信息增加了算法的判別性能，從而提升了算