保局鑒別人臉特征提取方法研究.pdf

1、特征提取是模式識(shí)別研究中的基本問(wèn)題之一。對(duì)于人臉識(shí)別而言,提取有效的人臉特征是實(shí)現(xiàn)人臉識(shí)別任務(wù)的一個(gè)關(guān)鍵環(huán)節(jié)。在眾多的人臉特征提取方法中,子空間學(xué)習(xí)方法由于其計(jì)算簡(jiǎn)單、有效性高等優(yōu)點(diǎn)受到了廣泛的關(guān)注并得到了大量的研究。主成分分析(PCA)和線性鑒別分析(LDA)是兩種典型的子空間分析方法,已經(jīng)在人臉識(shí)別中取得了較好的效果。然而,由于PCA和LDA都是建立在樣本分布于線性流形的假設(shè)之上的,因此,這就與“人臉樣本很可能是分布在一個(gè)嵌入到高維

2、空間的低維非線性子流形上”的研究結(jié)果相違背。近年提出的保局投影(LPP)是經(jīng)典流形學(xué)習(xí)方法拉普拉斯特征映射(LE)的線性逼近,它通過(guò)保持樣本在降維前后的局部近鄰關(guān)系實(shí)現(xiàn)了對(duì)樣本流形分布的描述,為此,該方法在很多領(lǐng)域得到了廣泛的應(yīng)用。同時(shí),大量的理論分析和實(shí)驗(yàn)已經(jīng)證實(shí):在處理模式分類(lèi)問(wèn)題時(shí),基于可分性準(zhǔn)則的鑒別分析方法具有其自身的優(yōu)勢(shì)。因此,結(jié)合流形學(xué)習(xí)和鑒別分析進(jìn)行特征提取是當(dāng)前的研究熱點(diǎn)。研究者們已經(jīng)提出了一系列流形鑒別子空間分析方法

3、,并成功應(yīng)用于人臉特征提取。然而,目前大多數(shù)流形子空間分析方法仍然是線性的特征提取方法,對(duì)高度線性不可分對(duì)象(如人臉圖像)的處理能力有限。另外,當(dāng)輸入空間樣本的近鄰關(guān)系描述不準(zhǔn)確時(shí),這些方法就不能很好的反映樣本集本身的特性。為了解決上述問(wèn)題,本論文以保局投影和鑒別保局投影為基礎(chǔ),結(jié)合核技巧、全子空間分析、特征正則化以及圖優(yōu)化等,對(duì)保局鑒別子空間人臉特征提取方法開(kāi)展了深入的研究。
　　 論文主要在以下三方面開(kāi)展了具有特色的研究工作

4、:
　　 ①鑒別保局投影方法在一定程度上保持了樣本的非線性特性,但本質(zhì)上仍然是線性的特征提取方法;而人臉圖像由于受光照、背景及成像條件等外部因素以及年齡、表情、姿態(tài)等內(nèi)在因素的影響,具有很高的可變性,進(jìn)而在圖像空間呈現(xiàn)出高度的線性不可分性。因此,鑒別保局投影(DLPP)在用于提取人臉特征時(shí),受限于其線性特性而表現(xiàn)不佳。為此,作者結(jié)合核技巧,在DLPP的基礎(chǔ)上提出了一種非線性特征提取算法——主元空間核保局鑒別分析(PKLPDA)算

5、法。該算法首先利用非線性映射將輸入空間內(nèi)線性不可分的數(shù)據(jù)投影到高維特征空間,并在高維特征空間內(nèi)提取保局鑒別特征。PKLPDA算法融合了保局投影、鑒別分析和核映射的優(yōu)點(diǎn),提高了處理高度非線性對(duì)象的能力。
　　 ②鑒別保局投影是一種鑒別分析方法,為了避免高維小樣本問(wèn)題,在求解過(guò)程中通常會(huì)加入PCA降維作為前處理。而PCA降維過(guò)程在降低數(shù)據(jù)維度、減少噪聲和冗余的同時(shí)也伴隨著鑒別信息的丟失。另一方面,有限的人臉樣本還會(huì)帶來(lái)保局類(lèi)內(nèi)散布矩

6、陣的小特征值和零特征估計(jì)不穩(wěn)定、不準(zhǔn)確的問(wèn)題。為此,作者結(jié)合特征正則化,提出了正則化保局鑒別分析(RLPDA)算法。該算法將整個(gè)保局鑒別特征空間劃分為三個(gè)子空間,并針對(duì)每個(gè)子空間不同的特性進(jìn)行不同的正則化,從而實(shí)現(xiàn)了鑒別特征的完全、有效利用,并回避了小樣本問(wèn)題。
　　 ⑨與其他的圖嵌套降維方法一樣,保局投影的近鄰圖也是預(yù)先定義的,且與降維過(guò)程相互獨(dú)立。該近鄰圖的構(gòu)造僅依賴(lài)于原圖像空間內(nèi)的近鄰關(guān)系以及涉及到的參數(shù)。當(dāng)原空間內(nèi)的近鄰

7、關(guān)系對(duì)整個(gè)數(shù)據(jù)集的描述不準(zhǔn)確或者參數(shù)選擇不當(dāng)時(shí),所得到的近鄰圖也就不準(zhǔn)確。在這種不準(zhǔn)確的近鄰圖基礎(chǔ)上對(duì)數(shù)據(jù)進(jìn)行降維處理可能無(wú)法得到預(yù)想的結(jié)果。為此,作者結(jié)合圖優(yōu)化策略及有監(jiān)督學(xué)習(xí)思想,提出了有監(jiān)督圖優(yōu)化保局投影(SGoLPP)算法。該算法通過(guò)將描述近鄰圖的權(quán)值矩陣作為優(yōu)化項(xiàng)引入到特征降維的目標(biāo)函數(shù)中,實(shí)現(xiàn)了對(duì)權(quán)值矩陣和投影矩陣的同步優(yōu)化,并利用類(lèi)別信息確保在更新的過(guò)程中異類(lèi)樣本點(diǎn)對(duì)對(duì)應(yīng)的權(quán)值為零,從而大大降低了異類(lèi)樣本的干擾,使得到的權(quán)

8、值矩陣能更好的反映原始數(shù)據(jù)集的類(lèi)別分布。
　　 通過(guò)在ORL、UMIST、CMU PIE、Yale和FERET等標(biāo)準(zhǔn)人臉圖像庫(kù)上的大量人臉識(shí)別實(shí)驗(yàn)證實(shí):上述提出的幾種保局鑒別子空間人臉特征提取算法的識(shí)別性能均優(yōu)于LDA、LPP、DLPP、NDLPP、DLA、ERE、KFDA、GoLPP等常用的子空間分析算法,驗(yàn)證了上述方法的有效性。同時(shí),上述研究工作已經(jīng)在《Neucomputing))、《儀器儀表學(xué)報(bào)》、《光學(xué)精密工程》等國(guó)內(nèi)外