基于線性與非線性的人臉特征提取算法研究.pdf

1、特征提取在模式識(shí)別領(lǐng)域占有重要的地位，它是人臉識(shí)別系統(tǒng)中最關(guān)鍵的一個(gè)環(huán)節(jié)。目前，關(guān)于特征提取的方法涌現(xiàn)了大量的經(jīng)典算法，有基于線性與非線性的特征提取方法。其中得到廣泛應(yīng)用研究的有子空間學(xué)習(xí)方法，具有代表性的算法有主成分分析方法(PCA)、線性鑒別分析方法(LDA)、局部保持投影(LPP)算法。LPP方法是拉普拉斯特征(LE)的線性逼近，其中基于 LPP方法的改進(jìn)涌現(xiàn)出了大量的有效方法。然而，這些方法都是線性特征提取，對(duì)人臉圖像的線性不可

2、分問題處理能力有限。因此，本文將在線性特征提取方法的基礎(chǔ)上，引入了核技術(shù)、核化圖嵌入算法等非線性特征提取方法展開深入研究。
　　本文的主要工作將從以下三個(gè)方面展開：
　　1.在核技術(shù)和 LPP算法的基礎(chǔ)上，提出了核的正交完備鑒別局部保持投影(KOCDLPP)算法。將核函數(shù)技術(shù)與正交性原理融合，在高維特征空間中求最優(yōu)判別矢量時(shí)，將鑒別局部保持投影算法的目標(biāo)函數(shù)由最初的商運(yùn)算變換為差分運(yùn)算。
　　2.針對(duì)鑒別局部保持投影算

3、法存在小樣本問題進(jìn)行了研究，提出了基于近鄰間隔最大化的鑒別局部保持投影(NMMDLPP)算法。首先對(duì)訓(xùn)練樣本構(gòu)造權(quán)重 K-近鄰圖，對(duì)近鄰圖中的每條邊賦予權(quán)重參數(shù)來獲取每個(gè)點(diǎn)的同類和異類近鄰點(diǎn)的局部幾何信息，減小同類近鄰點(diǎn)之間間隔和加大異類近鄰點(diǎn)之間的間隔來得到轉(zhuǎn)換矩陣，將數(shù)據(jù)的鄰域點(diǎn)最優(yōu)重構(gòu)系數(shù)用在目標(biāo)函數(shù)中。為了避免計(jì)算高維矩陣的逆，該算法以局部類間散布和局部類內(nèi)散布之差作為目標(biāo)函數(shù)。
　　3.在典型相關(guān)分析(CCA)和核化圖嵌