人臉識別中圖像描述方法的研究.pdf

1、在計算機技術迅速發(fā)展的今天，人臉識別作為一種直接和友好的模式識別技術，受到越來越廣泛的關注。本文主要對基于空間變換的流形學習方法Isomap算法和LPP算法、稀疏描述方法以及LSIR算法這幾種圖像描述方法進行人臉識別的研究和改進。
　　Isomap算法是一種保留數(shù)據(jù)全局結構的空間變換方法。針對鄰接圖不連通時Isomap算法不能正常運行的問題，總結和提出四種基于不同距離計算策略的Isomap擴展算法，實驗證明在特定的參數(shù)設置下這些擴

2、展算法都能獲得較MDS算法更好的人臉識別性能。針對多流形重疊不利于識別的問題，提出將聚類技術與Isomap算法相結合的改進算法KCIsomap算法和HCIsomap算法，它們在一定程度上提高了Isomap算法的人臉識別精度。
　　LPP算法是一種保留數(shù)據(jù)局部結構的空間變換方法。在兩種常規(guī)LPP求解模式的基礎上，通過目標函數(shù)的形式變換得到一種改進的求解模式。改進的LPP求解模式能有效的解決常規(guī)LPP求解模式中的SSS問題和不能保留數(shù)

3、據(jù)局部結構的問題，并獲得更高的人臉識別精度。
　　流形學習方法是忠于結構的圖像描述方法，它以最大程度保持樣本的結構為目標；稀疏描述方法和LSIR算法則直接用訓練樣本的線性組合表示測試樣本，同時要求表達結果與原始數(shù)據(jù)間的偏差最小，是忠于數(shù)據(jù)本身的圖像描述方法。
　　稀疏描述方法中，BP算法用線性組合系數(shù)的絕對值之和來衡量描述的稀疏性，通過線性規(guī)劃方法求出對測試樣本的稀疏描述；MP算法則通過不斷對測試樣本和殘余進行投影分解，獲得