基于稀疏子空間聚類的人臉識別方法研究.pdf

1、人臉識別在圖像處理領域中是一個很重要的研究熱點，人臉識別技術被廣泛地應用于模式識別、人工智能、計算機視覺等領域中。基于稀疏表示的人臉識別技術:稀疏子空間聚類是近年來子空間聚類的研究熱點，它是一種基于譜聚類的子空間聚類方法，其基本思想是:高維數(shù)據(jù)空間位于多個低維子空間的并，能夠被低維子空間線性表示。稀疏子空間聚類的基本方法是:對給定的一組高維數(shù)據(jù)建立子空間表示模型，得出數(shù)據(jù)在低維子空間中的稀疏表示系數(shù)，然后根據(jù)表示系數(shù)構(gòu)造相似度矩陣，并應

2、用到譜聚類算法中，從而聚類數(shù)據(jù)。
　　本文從稀疏表示原理出發(fā)，首先闡述了一種傳統(tǒng)的基于稀疏表示的人臉識別，進一步的對稀疏表示算法做了改進，提出了一種迭代加權的稀疏表示算法。稀疏子空間聚類通過解決l1最小化算法并應用譜聚類把高維數(shù)據(jù)點聚類到不同的子空間，從而聚類數(shù)據(jù)。迭代加權的l1算法比傳統(tǒng)的l1算法有更公平的懲罰值，平衡了數(shù)據(jù)數(shù)量級的影響。此算法應用到稀疏子空間聚類中，改進了傳統(tǒng)稀疏子空間聚類對數(shù)據(jù)聚類的性能。仿真實驗對Yale

3、B人臉數(shù)據(jù)圖像進行識別分類，得到了很好的聚類效果，證明了改進算法的優(yōu)越性。
　　其次，在現(xiàn)有的稀疏子空間聚類算法理論基礎上給出兩種稀疏子空間聚類優(yōu)化算法:稀疏線性子空間聚類和稀疏仿射子空間聚類。這兩種優(yōu)化算法針對不同的數(shù)據(jù)集會有不同的聚類效果。本文通過稀疏表達得到不同的稀疏系數(shù)矩陣，把稀疏系數(shù)矩陣應用到較為簡單的改進的正則化譜聚類算法中實現(xiàn)聚類。應用Yale B數(shù)據(jù)對人臉圖像進行識別分類得出:采用稀疏線性子空間聚類算法優(yōu)于稀疏仿射