面向人臉識別的快速特征提取與稀疏表示方法研究.pdf

1、中山大學(xué)博士學(xué)位論文面向人臉識別的快速特征提取與稀疏表示方法研究姓名：任傳賢申請學(xué)位級別：博士專業(yè)：應(yīng)用數(shù)學(xué)指導(dǎo)教師：戴道清20100528中山大學(xué)博士學(xué)位論文適的投影個(gè)數(shù)。在人臉識別與圖像分類問題上的實(shí)驗(yàn)結(jié)果表明，雙向Lanczos成分方法僅僅使用較少的Lanczos向量來實(shí)現(xiàn)降維和特征提取，因而是十分高效的，不僅得到了高于其他主要方法的識別率，而且在計(jì)算時(shí)間上有了明顯的改進(jìn)。壓縮感知(CS)理論與稀疏表示(SR)方法近來得到快速發(fā)展

2、并受到了許多學(xué)者的推崇。壓縮感知理論一經(jīng)提出，就在信息論、信號／圖像處理、模式識別、無線通信等領(lǐng)域受到高度莢注，并被美國科技評論評為2007年度十大科技進(jìn)展。目前CS理淪的研究尚屬于起步階段，但已表現(xiàn)出強(qiáng)大的生命力，并成為數(shù)學(xué)領(lǐng)域和工程應(yīng)用領(lǐng)域的一大研究熱點(diǎn)。JWright等人將稀疏表示方法引入到人臉識別領(lǐng)域中，不僅進(jìn)一步拓廣了壓縮感知的應(yīng)用空間，而且讓人們對人臉識別產(chǎn)生了更高層次的新認(rèn)識。與傳統(tǒng)的判別方法相比，壓縮感知方法不僅能夠避免

3、廣義特征值分解帶來的復(fù)雜計(jì)算與奇異問題，而且有效地提高了算法的泛化能力。然而，我們在實(shí)驗(yàn)仿真過程中發(fā)現(xiàn)，當(dāng)訓(xùn)練樣本較少時(shí)，先通過隨機(jī)投影降維，然后使用稀疏表示方法分類，相應(yīng)的識別效果反而不如傳統(tǒng)的線性判別方法或流形學(xué)習(xí)方法。因而，進(jìn)一步提高特征的冗余性與組合系數(shù)的稀疏性，就顯得十分必要。彈性網(wǎng)理論是最近統(tǒng)計(jì)學(xué)和生物信息學(xué)領(lǐng)域發(fā)展起來的模型選擇方法，它是對傳統(tǒng)的L2理論的新發(fā)展，采用三l懲罰與三2懲罰相結(jié)合，可以用來保持系統(tǒng)的穩(wěn)定性能。我

4、們將彈性網(wǎng)正則化方法應(yīng)用于稀疏表示模型，得到了比原方法更加稀疏的表示和更加穩(wěn)定的結(jié)果，同時(shí)得到了更高的人臉識別率。假設(shè)數(shù)據(jù)是均勻采樣于一個(gè)高維歐氏空間中的低維流形，流形學(xué)習(xí)(Manifoldlearning)就是從高維采樣數(shù)據(jù)中恢復(fù)低維流形結(jié)構(gòu)，即找到高維空間中的低維流形，并求出相應(yīng)的嵌入映射，以實(shí)現(xiàn)維數(shù)約簡或者數(shù)據(jù)可視化。由此，我們可以通過線性關(guān)系來刻畫這些對象的局部近鄰結(jié)構(gòu)。正交近鄰保持投影方法(ONPP)構(gòu)造出近鄰圖來對數(shù)據(jù)拓?fù)浣Y(jié)