基于无参数二维判别局部保持投影算法的人脸识别

摘要

人脸识别技术是一种基于生物特征识别的技术，近年来已经成为模式识别和机器学习领域的一个热门的研究课题。随着科学技术的快速发展，人脸识别技术取得了显著的成果。通常而言，人脸识别的过程需要经过人脸检测、图像预处理、特征提取和特征匹配四个步骤。其中，特征提取和匹配是解决人脸识别问题的关键，直接影响最后的识别结果。
　　本研究主要内容包括：①研究了线性的流形算法：局部保持投影算法（LPP）。它保留了人脸的局部信息，算法通过构造样本点间的邻接矩阵来保持人脸的流形结构。经过详细的推导，将其扩展到二维空间，得到二维局部保持投影算法（2D-LPP）。研究表明，2D-LPP保留了人脸的流形结构，但它是无监督算法，忽视判别信息。②通过向二维局部保持投影(2D-LPP)算法中引入类间约束和类标识信息，可得到含有更多判别信息的二维判别局部保持投影(2D-DLPP)算法。但它在解决识别问题时面临复杂的参数选择的限制。③为解决此问题，在判别局部保持投影算法的基础上构造无参数的相似矩阵，提出无参数的二维判别局部保持投影（无参数2D-DLPP）算法，消除选择合适参数所带来的耗费时间等问题，使算法更加高效。最后为了验证无参数二维判别局部保持投影算法的有效性，在Yale和ORL人脸库上的仿真实验。结果表明，该算法与二维判别局部保持投影(2D-DLPP)、二维局部保持投影法(2D-LPP)和二维线性判别分析法(2D-LDA)相比能够取得更好的识效果。

目录

封面

中文摘要

英文摘要

目录

1 绪 论

1.1人脸识别概述

1.2人脸识别背景及现实意义

1.3人脸识别中特征提取方法研究现状

1.4人脸识别面临的挑战

1.5 人脸数据库

1.6 课题研究具体内容及安排

2 二维局部保持投影

2.1 引言

2.2 流形学习

2.3 二维局部保持投影算法

2.4 二维局部保持投影算法步骤[54]

2.5 实验分析

2.6 2D-LPP方法的优缺点及改进方法

2.7 本章小结

3 二维判别局部保持投影算法

3.1 引言

3.2 二维判别局部保持投影算法

3.3 二维判别局部保持投影算法步骤[59][60]：

3.4 实验分析

3.5本章小结

4 无参数二维判别局部保持投影算法

4.1 引言

4.2 无参数二维判别局部保持投影算法

4.3算法步骤

4.4 实验分析

4.5本章小结

5 总结与展望

5.1 本文总结

5.2研究课题展望

致谢

参考文献

附录: 作者在攻读学位期间发表的论文目录