幾種有效的特征提取算法的研究.pdf

1、人臉識別技術是計算機模式識別領域非?；钴S的研究課題，在法律、商業(yè)、安全系統(tǒng)等領域有著廣泛的應用。由于人臉圖像的特殊性，人臉識別問題也是模式識別領域的一個相當難的問題，要使這一技術完全成熟還有很多工作需要去做。隨著社會的發(fā)展與技術的進步，人臉識別技術的應用必然會越來越廣泛。
　　人臉識別系統(tǒng)是一種基于信息處理的模式識別系統(tǒng)。它主要包括兩大部分：特征提取部分與模式識別部分。特征提取部分是要從人臉圖像中提取可以用來區(qū)分不同人的人臉圖像的

2、特征信息，后半部分的作用是對于從前半部分提取的特征信息進行分類，整個系統(tǒng)的識別率由這兩部分共同決定。
　　對于特征提取部分，本文采用的是統(tǒng)計模式識別方法中的基于二階矩和高階矩的方法。本文系統(tǒng)地介紹了目前經(jīng)典地人臉識別算法，包括傳統(tǒng)PCA方法和Fisher臉方法，以及基于核的模式識別方法以及直接基于圖像的二維PCA和二維LDA。
　　以前的方法沒有考慮到訓練樣本的質(zhì)量問題，如果訓練樣本存在誤差，那么將會誤導分類器的訓練，形成不

3、佳的投影方向，受Fisher基本思想的啟發(fā)，本文提出一種對訓練樣本進行調(diào)節(jié)以減少訓練誤差的方法。
　　人臉識別是一種小樣本的模式識別，如何利用有限的樣本，生成一些新的樣本，提取更多的特征是需要解決的一個問題。本文提出一種樣本生成的方法使分類器得到足夠的訓練。實驗證明，該方法在樣本數(shù)少的時候，非常有效。
　　在利用Fisher臉進行識別的時候，必然會遇到類內(nèi)散布矩陣奇異的情況，這時候Fisher方法發(fā)揮不了作用，本文從分析擾動