人脸特征提取与人脸识别的一种新方法：逆Fisher判别分析

摘要

人脸识别是模式识别领域的一个重要研究课题。而“PCA+LDA”的两步骤方法是一种非常有名的，用于高维空间及处理奇异情况的方法。通过对这个两步骤方法的理论与应用的研究，本文指出，应用“PCA+LDA”方法有其本身的理论缺陷，通过一个简单的例子，本文说明了，在某种情况下，经过PCA步骤将维数不管降至多低，都无法保证在LDA中，类内差异矩阵的非奇异性，从而导致了LDA的应用失败。对此，本文提出一个新的判别准则：“逆Fisher判别准则”，并据此提出了一种新的判别分析方法：逆Fisher判别分析方法。另外，通过在PCA过程中加入与类别有关的特征选择规则，并结合逆Fisher判别分析方法，本文得出一种新的两步骤框架：“带特征选择的PCA”+“逆Fisher判别分析”。最后，本文实现了新方法的算法，并通过实验说明了这个新方法的有效性以及比原来Fisher脸方法的优越性。另外，本文的方法甚至可以应用在每类训练样本数为1的情况下。

目录

文摘

英文文摘

第1章引论

1.1人脸识别——其历史与应用背景

1.2人脸识别——主要方法简介

1.3本文方法简介

1.4本文主要结构

第2章PCA+LDA的理论基础及其缺陷

2.1 PCA理论简介

2.2 LDA理论简介

2.3 PCA+LDA方法及其缺陷

第3章本文方法：逆Fisher判别分析

3.1本文的理论基础——St，Sb，Sw及其零空间

3.2 Fisher准则及逆Fisher准则

3.3带特征选择的主成分分析——PCA with Selection

3.4带特征选择的主成分分析与逆Fisher判别分析——PCA_S+IFDA

3.5算法描述

3.6算法复杂度估计

第4章实验结果

4.1 IFFace方法的性能

4.2 IFFace方法与FisherFace方法比较

第5章总结与展望

参考文献

致谢

论文原创性声明