基于二維NMF的人臉識別算法研究.pdf

1、非負(fù)矩陣分解算法由于具有實(shí)現(xiàn)上的簡便性、分解形式和分解結(jié)果上的可解釋性，以及占用存儲空間少等諸多優(yōu)點(diǎn)，自提出之后迅速受到數(shù)學(xué)、統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)、生物信息學(xué)等各個(gè)領(lǐng)域研究人員的關(guān)注?？墒牵贜MF的人臉識別算法需要將人臉圖像向量化后再進(jìn)行特征提取。當(dāng)圖像尺寸較大時(shí)，圖像的向量化會產(chǎn)生高維數(shù)據(jù)，而使得后續(xù)算法具有較高的計(jì)算復(fù)雜性;此外，圖像的向量化也會導(dǎo)致隱含在原始圖像中的某些結(jié)構(gòu)信息丟失。為此，研究人員從不同的角度建立了基于二維非負(fù)矩

2、陣分解(2DNMF)的人臉識別方法。
　　基于已有的2DNMF算法，本文從提高識別率減少計(jì)算量的角度提出了兩個(gè)改進(jìn)的2DNMF算法并應(yīng)用于人臉識別。首先利用行、列特征矩陣（投影系數(shù)矩陣）的加權(quán)和重新構(gòu)造描述人臉的整體特征矩陣（投影系數(shù)矩陣），使得特征提取過程更注重隱含于原圖像行、列中的結(jié)構(gòu)信息;同時(shí)也考慮了基矩陣的正交化策略，以便消除特征矩陣各元素之間的統(tǒng)計(jì)相關(guān)性，減少特征矩陣之間的信息冗余。改進(jìn)的算法保留了2DNMF的在特征提取