基于核特征融合與選擇的人臉識別研究.pdf

1、人臉識別是一個具有很高理論和應(yīng)用價值的研究課題，是模式識別和計算機視覺領(lǐng)域的一個重要分支。特征提取是人臉識別中的關(guān)鍵環(huán)節(jié)，不同方法提取的特征含有不同的信息，如何將各種形式的特征進行綜合應(yīng)用，是目前人臉識別領(lǐng)域的研究熱點。特征融合是解決該問題的一種重要方法，它能將多種特征融合后進行分類識別且能提高識別效率和準確率。另外，由于所提取的人臉特征往往是高維向量，不但使算法計算代價(包括計算時間和存儲空間)增加，而且這些特征可能的冗余信息將降低算

2、法的識別性能。
　　 因此針對特征選擇方法的研究在人臉識別中顯得極為重要。本文重點研究了人臉識別中的特征融合和特征選擇問題，主要作了如下幾方面的工作：
　　 (1)人臉圖像預(yù)處理是特征提取和識別的前提。人眼精確定位是預(yù)處理階段的重要環(huán)節(jié)，根據(jù)人眼位置裁剪圖像實現(xiàn)圖像的幾何規(guī)范化，最后進行灰度規(guī)范化完成圖像預(yù)處理。在人眼定位過程中，提出了一種混合投影峰分析的人眼定位方法。通過將方差投影函數(shù)和梯度投影函數(shù)混合投影后，經(jīng)分析投

3、影曲線上的投影峰確定了人眼的精確位置。
　　 (2)對人臉特征提取的線性子空間方法和核方法作了詳細介紹和優(yōu)缺點分析。著重對核方法中的核函數(shù)及參數(shù)設(shè)置問題，進行了實驗研究。
　　 (3)針對無監(jiān)督KPCA和有監(jiān)督零空間KFDA在特征提取中的不足，結(jié)合特征融合思想提出兼顧兩種特征的融合方法，分別利用串行融合和并行融合策略進行特征融合，將融合后的特征用于分類識別。在ORL和Yale標準人臉數(shù)據(jù)庫上的實驗結(jié)果表明，特征融合方法避

4、免了二者的缺點且識別性能優(yōu)于其他算法。
　　 (4)通過分析KPCA算法的誤識率與特征維數(shù)的變化關(guān)系，表明KPCA算法提取的特征用于識別時存在特征冗余，因此有必要進行特征選擇。鑒于離散二進制粒子群算法處理組合優(yōu)化問題時的優(yōu)勢，通過設(shè)計合理的適應(yīng)度函數(shù)，將其用于對KPCA進行特征選擇，搜索最優(yōu)特征子集。在ORL和Yale標準人臉數(shù)據(jù)庫上的實驗表明，融合離散粒子群算法的KPCA算法具有較高的識別準確率，優(yōu)于KPCA方法。