基于子空間分析與半監(jiān)督學(xué)習(xí)人臉識別研究.pdf

1、人臉識別作為一種生物特征識別技術(shù)，近年來成為模式識別與圖像處理領(lǐng)域的研究熱點(diǎn)，在公共安全、身份認(rèn)證、財經(jīng)信息以及公共管理等眾多領(lǐng)域得到廣泛的應(yīng)用。盡管目前有很多有效的人臉識別算法，但由于圖像數(shù)據(jù)集具有高維性與小樣本性，類內(nèi)變化大于類間變化以及特征空間結(jié)構(gòu)復(fù)雜等特點(diǎn)，沒有任何一種方法能適用于所有的情況。將多種識別方法有效結(jié)合，提高算法的魯棒性，具有廣泛的實(shí)用價值和深遠(yuǎn)的理論意義。子空間分析由于可描述性強(qiáng)、有效性高，已成為人臉識別最重要的研

2、究方法。本文以線性子空間特征提取為基礎(chǔ)，利用半監(jiān)督學(xué)習(xí)并結(jié)合SVM核、離散余弦變換(DCT)、可控金字塔小波變換(SPT)，對人臉識別進(jìn)行了深入研究。本文的研究工作主要有以下幾個方面：
　　 (1)分析了基于線性子空間的主成分分析(PCA)與線性判別分析(LDA)兩種識別方法，針對其存在的高維數(shù)據(jù)難于執(zhí)行以及小樣本問題，利用DCT變換的頻率特性以及少量標(biāo)記樣本約束信息，研究了兩種半監(jiān)督DCT識別算法：約束聚類最優(yōu)DCT系數(shù)選擇(

3、CCODCT)算法以及半監(jiān)督判別力分析(SSDPA)算法。CCODCT算法根據(jù)DCT頻率分布特征，采用預(yù)掩模降低數(shù)據(jù)維數(shù)，提取中低頻有效信息以降低計算代價；根據(jù)約束信息對投影的DCT系數(shù)進(jìn)行半監(jiān)督聚類，以提高算法的識別率；計算判別系數(shù)值(DC)，按照DC值的大小，選擇最優(yōu)掩模進(jìn)行特征投影。SSPDA則在預(yù)掩模的基礎(chǔ)上，計算投影的DCT系數(shù)半監(jiān)督判別力(SSDP)，根據(jù)SSDP進(jìn)行特征投影。實(shí)驗(yàn)結(jié)果表明，CCODCT與SSDPA算法的識別

4、率高于傳統(tǒng)方法；有效地解決了LDA因?yàn)樾颖締栴}而維數(shù)受到限定的缺點(diǎn)。
　　 (2)針對子空間分析方法對光照變化敏感問題，研究了一種基于局部圖像增強(qiáng)的有監(jiān)督DCT算法。首先通過局部圖像對比度增強(qiáng)補(bǔ)償不均勻的光照，將圖像表示為對數(shù)域內(nèi)的對比度增強(qiáng)灰度圖像，以提高圖像中重要但未觀察到的紋理；然后將增強(qiáng)的對比度圖像劃分成塊，利用DCT的頻率特征，選取每塊的低頻重要特征，并將其進(jìn)行組合，得到候選特征向量以降低數(shù)據(jù)的維數(shù)；根據(jù)類別信息，計

5、算候選特征的塊判別力，進(jìn)行特征投影。實(shí)驗(yàn)結(jié)果表明該算法的性能優(yōu)于傳統(tǒng)算法，能夠有效解決不均勻光照的影響以及LDA的小樣本問題，并且計算代價較低，提高了人臉識別的效率以及準(zhǔn)確率。
　　 (3)針對子空間判別分析方法中存在的每類中共同協(xié)方差、特征空間維數(shù)不明確以及識別率低的局限，研究了一種支持向量直接判別分析(SVDDA)的非線性子空間特征提取算法，利用支持向量機(jī)核方法，將支持向量與子空間特征提取有效結(jié)合，優(yōu)化特征值問題的求解過程；

6、修改判別標(biāo)準(zhǔn)解決小樣本問題，有效地提高人臉識別系統(tǒng)的識別率和魯棒性。實(shí)驗(yàn)結(jié)果表明，與相關(guān)的子空間非線性核特征提取方法相比，SVDDA的性能優(yōu)于其他方法，驗(yàn)證了算法的有效性與可靠性。
　　 (4)針對小波變換方法存在計算復(fù)雜度較高、不能在所有方向進(jìn)行分解以及子帶尺度限制，研究了一種可控金字塔半監(jiān)督局部判別(SPSLD)算法用于人臉識別。通過計算分割可控金字塔子帶獲得的每個子塊的統(tǒng)計信息，提取局部信息，并對每個子帶獲得的局部特征進(jìn)行