基于改進(jìn)稀疏子空間學(xué)習(xí)算法的人臉識(shí)別研究.pdf

1、人臉識(shí)別是模式識(shí)別及圖像處理領(lǐng)域的重要研究方向，具有重要的理論研究?jī)r(jià)值和廣闊的實(shí)際應(yīng)用前景。目前人臉識(shí)別的研究熱點(diǎn)主要集中在特征提取和分類識(shí)別，本文主要研究人臉識(shí)別領(lǐng)域的特征提取部分。而在過去的幾十年間，特征提取的主流方法是子空間學(xué)習(xí)，各種傳統(tǒng)子空間學(xué)習(xí)方法的提出使得人臉識(shí)別技術(shù)取得了長(zhǎng)足的發(fā)展。傳統(tǒng)子空間學(xué)習(xí)算法大致分為監(jiān)督子空間學(xué)習(xí)和無監(jiān)督子空間學(xué)習(xí)兩類，雖然各有所長(zhǎng)但均存在一些需要解決的問題。近年來，基于稀疏表示的稀疏子空間學(xué)習(xí)已

2、經(jīng)成為一個(gè)重要的研究熱點(diǎn)，得到了學(xué)者們的廣泛關(guān)注，而基于稀疏子空間學(xué)習(xí)方法的人臉識(shí)別也取得了很好的識(shí)別結(jié)果。但由于稀疏子空間學(xué)習(xí)方法本質(zhì)上屬于無監(jiān)督子空間學(xué)習(xí)，存在無監(jiān)督子空間學(xué)習(xí)方法的問題，以及稀疏表示的全局特性導(dǎo)致的一些問題，其有效性亟待提高。
　　本研究主要內(nèi)容包括：⑴針對(duì)傳統(tǒng)稀疏子空間學(xué)習(xí)方法的全局特性導(dǎo)致的問題，如樣本間的錯(cuò)誤重構(gòu)和誤學(xué)習(xí)等，本文提出了稀疏近鄰相關(guān)性重構(gòu)方法，通過提取全部樣本間的局部結(jié)構(gòu)信息和部分樣本的標(biāo)

3、簽信息，使得對(duì)樣本的重構(gòu)保留了更為準(zhǔn)確的判別信息，解決了傳統(tǒng)稀疏子空間學(xué)習(xí)方法由于全局特性導(dǎo)致的問題，并基于稀疏近鄰相關(guān)性重構(gòu)得到了稀疏近鄰保持投影（Sparsity Neighbouring Preserving Projections,SNPP）算法。⑵基于稀疏近鄰相關(guān)性重構(gòu)的 SNPP算法雖然利用了少量標(biāo)簽樣本的標(biāo)簽信息，但無法像MMC等監(jiān)督子空間學(xué)習(xí)方法一樣充分提取標(biāo)簽信息，所以其本質(zhì)上還是屬于無監(jiān)督子空間學(xué)習(xí)方法，算法的有效性

4、不高。本文利用半監(jiān)督技術(shù)將SNPP和MMC進(jìn)行結(jié)合，對(duì)SNPP算法進(jìn)行半監(jiān)督拓展，得到半監(jiān)督的稀疏近鄰保持投影(Semi-supervised Sparsity Neighbouring Preserving Projections, SSNPP)算法。⑶在標(biāo)準(zhǔn)人臉庫Extended Yale B、ORL和AR中，對(duì)SNPP算法和SSNPP算法的性能進(jìn)行檢驗(yàn)，選擇最近鄰分類器對(duì)提取的特征進(jìn)行分類，并與PCA、NPE、LPP、SPP算法的