基于子空间的线性与非线性人脸识别算法的研究

摘要

随着社会的发展,科技的进步,人与人之间在交往的过程中进行的身份鉴定成为建立信用的保障,人脸识别技术应运而生,特征提取作为其关键环节成为研究的热点。子空间方法以其描述能力强、计算代价小、识别稳定等优点成为特征提取算法中的主流算法。本文主要研究了子空间基础上的人脸识别与特征提取,在原有算法的基础上提出了改进算法。特征提取的研究与问题的解决对于模式识别领域的发展和成熟意义重大。
　　 论文开始介绍了人脸识别的发展现状,并且阐述了人脸识别中的特征提取对科技和社会发展的重要影响,并且对人脸识别中的几种典型的算法进行了分析与讨论；其次讨论了基于子空间算法的基本理论与算法思想,并就特征提取中存在的问题进行了重点的研究；最后在已有理论和算法的基础上,提出了三种改进的基于子空间的人脸识别算法。
　　 首先,在Gabor小波基础上提出的二维的Gabor均值滤波。该算法在考虑到图像像素之间关系的基础上,分别对预处理后的人脸图像进行Gabor均值运算,充分考虑了图像样本之间的类别信息,提高了图像边缘特征的提取效率,从而获得了更好的识别能力。
　　 其次,在双向2DPCA算法的基础上,提出了改进的双向2DPCA算法,该算法不是硬性地将行与列两个方向上的投影矩阵进行硬性叠加,而是对经过行变换产生的特征矩阵再直接进行列方向上的2DPCA运算,对人脸图像能够进行较好的压缩运算,提高了算法的识别能力。
　　 再次,在非线性判别分析算法的基础上,提出了核Fisher判别分析与Gabor均值相结合的人脸识别算法,核Fisher判别是在通过核函数映射成的特征空间中进行Fisher线性分析,此方法不但具有非线性地描述人脸图像的能力的能力,而且具有基于Fisher线性判别分析的类别可分性的优点。
　　 通过实验证明了以上三种算法的可行性与有效性。