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(lǐng)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(zhǔn)確地利用計算機進行人臉的檢測與識別是當(dāng)前人臉識別技術(shù)的關(guān)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(guān)鍵技術(shù)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(jié)構(gòu)信息等；人臉特征識別的分類性能研究，即設(shè)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(shù)，具有簡單的理論基礎(chǔ)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(zhǔn)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(quán)主成分分析特征提取算法。新算法首先通過線性擬合標(biāo)記信息與特征維來對各特

3、征加權(quán)，并通過稀疏約束使部分特征的權(quán)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(yù)選擇并且突出了重要特征屬性。實驗結(jié)果表明，新算法不僅能夠降低計算復(fù)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(quán)稀疏鄰域保持投影，使用一個加權(quán)的稀疏重構(gòu)模型去學(xué)習(xí)重構(gòu)系數(shù)，并通過限制非零重構(gòu)系數(shù)的個數(shù)，降低了時間復(fù)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(quán)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(quán)稀疏重構(gòu)結(jié)合起來，通過聚類得到每個訓(xùn)練樣本的標(biāo)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(yīng)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(gòu)建類內(nèi)和類間圖，不僅避免了傳統(tǒng)流形學(xué)習(xí)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(biāo)記信息增加了算法的判別性能，從而提升了算