邻域结构保持投影及应用

摘要

人脸识别作为一种典型的生物特征识别技术，以其自身的优势已经成为一个热门研究问题。在人脸识别过程中，特征提取是尤为关键的一步，特征提取的好坏关系到后续处理算法的选择和性能，进而影响整个系统的性能。如何有效地提取出反映数据本质结构的特征，方便后续分类，或者为后续分析提供更好的决策依据，已成为目前所要解决的核心问题之一。在众多方法中，子空间分析成为目前非常活跃的研究方向之一。本论文从子空间分析中的流形学习技术入手，深入研究了基于图论的图像空间结构描述。主要内容和贡献有：
　　 1.针对NPE不能较好地保持模式之间的差异信息，尤其是非线性数据的差异信息，提出了邻域结构保持嵌入(NSPE)。NSPE定义差异邻接图和相似邻接图来分别描述数据之间的差异信息和相似信息，给出了度量差异信息和相似信息的离散度矩阵；在此基础上，通过最大化差异离散度和相似离散度的比值提取特征。
　　 2.针对2DNPE不能较好的保持原始样本间局部差异信息这一问题，提出了二维邻域结构保持嵌入算法(2DNSPE)。2DNSPE用两个加权邻接图来分别描述样本的相似信息和差异信息，在此基础上通过同时最大化差异离散度和最小化相似离散度提取特征。
　　 3.针对2DNPE和2DNSPE，没有很好的保持图像内部结构信息这一问题，提出了二维方向邻域保持嵌入(Dir-2DNPE)和二维方向邻域结构保持嵌入(2DNSPE)算法，两种新算法在保持图像行间信息的同时也保持了不同行像素之间的信息，从而更好的保持了图像的结构信息。

目录

文摘

英文文摘

第一章 绪论

1.1 选题来源与研究背景

1.1.1 课题来源

1.1.2 研究背景

1.2 研究现状

1.2.1 人脸识别

1.2.2 特征提取

1.3 本论文研究内容及安排

第二章 邻域结构保持嵌入

2.1 基本知识

2.1.1 主成分分析

2.1.2 局部线性嵌入

2.1.3 邻域保持嵌入

2.2 邻域结构保持嵌入

2.2.1 算法思想

2.2.2 差异信息描述

2.2.3 相似信息描述

2.2.4 信息保持准则

2.2.5 特征提取及分类

2.2.6 NSPE算法总结

2.2.7 理论分析

2.3 实验仿真

2.3.1 常用人脸库介绍

2.3.2 实验仿真与分析

2.3.3 参数分析

2.4 本章小结

第三章 二维邻域结构保持嵌入

3.1 二维邻域保持嵌入

3.2 二维邻域结构保持嵌入

3.2.1 差异信息描述

3.2.2 相似信息描述

3.2.3 信息保持准则

3.2.4 特征提取及分类

3.2.52DNSPE算法总结

3.3 实验仿真

3.3.1 UMIST人脸库仿真分析

3.3.2 Yale人脸库仿真分析

3.4 本章小结

第四章 基于方向图的二维保持嵌入

4.1 二维邻域保持嵌入与二维邻域结构保持嵌入

4.1.1 二维邻域保持嵌入

4.1.2 二维邻域结构保持嵌入

4.2 方向图

4.3 二维方向邻域保持嵌入

4.3.1 信息保持准则

4.3.2 特征提取及分类

4.3.3 Dir-2DNPE算法总结

4.3.4 Dir-2DNPE实验仿真

4.4 二维方向邻域结构保持嵌入

4.4.1 信息保持准则

4.4.2 特征提取及分类

4.4.3 Dir-2DNSPE算法总结

4.4.4 UMIST人脸库仿真分析

4.5 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

致谢

参考文献

研究成果