基于子空間分析的特征抽取及人臉識別技術(shù)研究.pdf

1、人臉識別是近年來模式識別和圖像處理領(lǐng)域的研究熱點(diǎn)之一，對該問題的研究有助于模式識別和信息安全的發(fā)展。而特征抽取是模式識別研究的最基本問題之一，特征抽取方法對于圖像識別起著關(guān)鍵的作用。在人臉識別領(lǐng)域，常用的人臉識別方法有主成分分析方法，線性鑒別分析方法等。其中，主成分分析和線性鑒別分析是最為常用的特征抽取方法，在人臉識別領(lǐng)域得到了較多的關(guān)注。最近，核技術(shù)的發(fā)展進(jìn)一步促進(jìn)了這兩種傳統(tǒng)的特征抽取方法的發(fā)展，出現(xiàn)了核主成分分析和核鑒別分分析這兩

2、種非線性的特征抽取方法，可以解決原始的樣本在線性空間可能不可分的問題，基于核的特征提取方法也得到了迅速的發(fā)展。另外，經(jīng)典的主成分分析和線性鑒別分析需要先將圖像拉伸成一個(gè)高維向量，再進(jìn)行特征抽取，需要較多的特征抽取時(shí)間，研究者提出了二維主成分分析和二維線性鑒別分析，使得特征抽取速度大大加快。由于它們都是基于子空間的算法，將之統(tǒng)稱為子空間分析方法，本文基于上述幾種特征抽取技術(shù)對人臉識別方法進(jìn)行了研究。 本文提出了一種基于二階特征臉和

3、核主成分分析的人臉識別。首先利用二階特征臉?biāo)惴?，得到二階特征臉圖像。然后運(yùn)用核主成分分析分別抽取原始圖像和它對應(yīng)的二階特征臉圖像的核主成分特征，最后將它們組合成一個(gè)組合特征向量，進(jìn)行人臉識別。由于抽取出的兩種核主成分特征分別對應(yīng)于人臉圖像的高頻和低頻特性，具有一定的互補(bǔ)性，從而取得了比核主成分分析和二階特征臉方法更好的識別結(jié)果。 本文在基于核的廣義鑒別特征模型的基礎(chǔ)上，提出了一種新的核廣義特征抽取方法。利用空間變換的有關(guān)理論，使

4、得變換后的核總體矩陣滿足非奇異性；同時(shí)通過核的共軛特征抽取方法，抽取滿足核共軛正交條件的特征向量，使抽取的特征滿足統(tǒng)計(jì)不相關(guān)性。在ORL人臉庫上的實(shí)驗(yàn)表明了所提方法的有效性，達(dá)到了比核鑒別分析等方法更好的識別效果。 本文在分析二維主成分分析和圖像并行特征抽取的基礎(chǔ)上，提出了一種基于圖像并行融合特征的人臉識別方法。首先揭示了圖像并行壓縮特征的本質(zhì)，然后運(yùn)用圖像并行特征抽取方法，抽取原始圖像的兩種圖像并行特征，抽取的兩種圖像并行特征

5、分別反映了原始圖像的行向量信息和列向量信息；并將它們組合成一個(gè)復(fù)數(shù)特征向量，最后運(yùn)用酉空間中線性鑒別分析的有關(guān)知識，抽取更加有利于分類的線性鑒別特征。在Yale標(biāo)準(zhǔn)人臉庫上的實(shí)驗(yàn)結(jié)果表明，所提出的方法不僅在識別性能上優(yōu)于傳統(tǒng)的主成分分析方法，也優(yōu)于直接的二維主成分分析和基于圖像并行特征的方法。 本文在二維主成分分析和二維線性鑒別分析的基礎(chǔ)上，構(gòu)造了一種直接基于圖像矩陣的特征抽取框架模型，該模型較好地融合了二維主成分分析和二維線性

6、鑒別分析這兩種經(jīng)典的直接基于圖像的特征抽取方法，為特征抽取提供了一個(gè)更一般的模型。理論分析表明，二維主成分分析和二維線性鑒別分析都是本文的圖像特征抽取模型的一種特殊情形。最后，在AR人臉庫上的實(shí)驗(yàn)結(jié)果表明，所提出的圖像投影鑒別分析方法取得了更好的識別效果。 本文提出了一種基于協(xié)同學(xué)的人臉分類集成方法。選擇不同的訓(xùn)練樣本作為原型模型，以增加原型模型的多樣性；識別時(shí)，將序參量轉(zhuǎn)化為后驗(yàn)概率，分別運(yùn)用投票法和基于和的后驗(yàn)概率集成方法進(jìn)