基于鄰域結構的特征提取及其在人臉識別中的應用研究.pdf

1、人臉識別是生物特征識別領域一個研究熱點，近年來受到越來越多研究者的關注。作為一種被廣泛使用的生物識別技術，人臉識別在公共安全和日常生活的眾多領域有著廣闊的應用前景。作為人臉識別技術的關鍵環(huán)節(jié)，特征提取是一直以來的重要研究課題。為獲得有效的鑒別特征，相繼提出了諸多特征提取算法。在眾多算法中，流形學習算法以其新的視角，豐富了現(xiàn)有的特征提取方法，具有重要的理論和實用價值。
　　本文在分析和總結現(xiàn)有流形學習算法的基礎上，對基于鄰域結構的特

2、征提取方法進行了深入研究。歸納起來，本文的研究工作及創(chuàng)新點包括以下幾個方面:
　　(1)針對局部保持投影(LPP)存在的諸如忽視樣本的類別信息、相似性度量等問題，提出了類屬保持投影(CPP)的特征提取方法。CPP既保持了總體樣本的局部結構，又通過樣本的類別信息重新定義了類內樣本間的相似性。樣本經投影后，在低維特征空間內，保持了被正確歸類且概率較大的類內樣本間的鄰域關系。
　　(2)針對邊界Fisher分析(MFA)存在著無法

3、找到最佳判別邊界以實現(xiàn)數(shù)據(jù)分類的問題，提出了最大邊界學習投影(MMLP)的特征提取方法。為了找到最佳的判別邊界，MMLP利用數(shù)據(jù)點與其近鄰點的關系構造新的類間散布矩陣和類內散布矩陣。這樣在低維特征空間不僅能保持樣本的原始分布信息，而且可分離某一鄰域范圍內的不同樣本。
　　(3)針對LPP及其相關改進算法存在著權重常僅能反映樣本間的距離關系，而不能直接反映樣本對某一類別的依賴程度等問題，采用新的相似性度量機制，用分類概率刻畫樣本與類

4、中心點間的近鄰關系，提出了分類概率保持鑒別分析(CPPDA)的特征提取方法。CPPDA不僅包含樣本的近鄰信息，而且能夠反映樣本在霓近鄰分類器下被正確歸類的概率。經過投影后，樣本與類內中心點的距離最小，而與類間中心點的距離最大。
　　(4)針對人臉圖像由于光照、表情、姿態(tài)等變化而導致人臉識別率下降的問題，將線性鑒別分析(LDA)算法、LPP算法與模糊隸屬度結合起來，采用模糊k近鄰法計算隸屬度來刻畫樣本和類中心點的近鄰關系，提出了隸屬