張量子空間人臉識別算法研究.pdf

1、人臉識別是模式識別具體應(yīng)用中的一個熱點研究領(lǐng)域。一個完整的模式識別系統(tǒng)主要包括特征提取和分類器兩部分。本文主要研究如何提取人臉圖像中的有效分類特征以實現(xiàn)高效的識別。在眾多的特征提取算法中,子空間算法是人臉識別中常用的特征提取方法之一。特別是近年來,張量子空間算法得到了比以往更廣泛地研究。張量子空間算法和流形學(xué)習(xí)相結(jié)合成為特征提取算法的一個新的發(fā)展趨勢。本文針對張量子空間算法的優(yōu)點,結(jié)合其它算法的優(yōu)點提出了一些新的人臉識別算法；本文也對現(xiàn)

2、有的張量子空間流形學(xué)習(xí)算法中存在的不足進行了改進,提出了新的張量子空間流形學(xué)習(xí)算法。傳統(tǒng)的子空間算法是基于向量的子空間算法,向量子空間算法有其本質(zhì)的缺點,傳統(tǒng)的張量子空間算法雖然對向量子空間算法的缺點有所改進,但沒有完全克服這些缺點。為此本文引入了空間光滑子空間流形學(xué)習(xí)的思想,提出了一些新的空間光滑子空間流形學(xué)習(xí)算法。
　　 本文的研究成果主要包括以下幾個方面:
　　 1.張量主成分分析方法相對于主成分分析方法具有更好的

3、特征提取效果。小波變換具有良好的時頻分析特性,同時還能起到降維的作用。綜合利用這兩個算法的優(yōu)點,本文提出了一種融合小波變換和張量主成分分析的人臉識別算法。該算法首先對人臉圖像先采用小波變換做預(yù)處理得到四個子帶圖像,然后對每個子帶圖像用張量主成分分析進行特征提取,最后采用最近鄰方法對所提取的特征進行分類,實現(xiàn)了人臉圖像的高效識別。
　　 2.在結(jié)合小波和張量主成分分析進行特征提取的基礎(chǔ)上,利用粒子群優(yōu)化(PSO)算法對所提取的特征

4、進行特征優(yōu)化選擇。算法過程為:首先采用小波變換和張量主成分分析方法對人臉圖像進行特征提取,然后再利用PSO對提取的特征進行加權(quán)處理,根據(jù)特征的每一維元素的聚類正確率進行優(yōu)化選擇,從而達到對人臉提取關(guān)鍵性特征的目的。
　　 3.針對現(xiàn)有的張量子空間流形學(xué)習(xí)算法中存在的不足,提出了一種改進算法:基于局部和全局信息的張量子空間投影。該算法充分利用人臉圖像數(shù)據(jù)的局部流形結(jié)構(gòu),即數(shù)據(jù)的類內(nèi)非線性流形結(jié)構(gòu),和人臉圖像數(shù)據(jù)的全局信息,即數(shù)據(jù)的

5、類別信息,使得數(shù)據(jù)在投影空間中的類間分離度最大的同時保持了原始數(shù)據(jù)的非線性流形結(jié)構(gòu)。通過迭代和投影得到最優(yōu)張量子空間以提高識別率。
　　 4.根據(jù)譜圖嵌入和某些流形學(xué)習(xí)算法的思想提出了一種新數(shù)據(jù)關(guān)系圖矩陣確立方法,并在此基礎(chǔ)上得出了兩種利用該關(guān)系圖矩陣在空間光滑的框架下求解投影矩陣進行人臉識別的算法?？臻g光滑約束使得兩種算法比傳統(tǒng)的張量子空間算法更加充分地考慮了圖像的各像素點在圖像中分布的空間相關(guān)性,同時提出的新的數(shù)據(jù)關(guān)系圖矩陣