基于LPP的人臉圖像分析.pdf

1、人臉識(shí)別因其重要的科學(xué)意義和實(shí)用價(jià)值而成為當(dāng)前模式識(shí)別領(lǐng)域的一個(gè)研究熱點(diǎn)。在過去幾十年中，學(xué)者們提出了許多相關(guān)的特征提取方法，比如線性鑒別分析（LDA）、主成分分析（PCA）和保局投影（LPP）等線性方法，以及在支持向量機(jī)（SVM）的基礎(chǔ)上演變而來的基于核函數(shù)的非線性方法等等。通過對(duì)國內(nèi)外現(xiàn)有識(shí)別技術(shù)和方法的比較分析，本文選取了PCA和LPP算法進(jìn)行深入研究，并提出了相應(yīng)的改進(jìn)算法。所提出的改進(jìn)算法不但提高了識(shí)別性能，還能夠有效地解決小

2、樣本問題。
　　加權(quán)的PCA算法是為了解決PCA算法不能根據(jù)鑒別性大小有選擇的選取主分量的問題而提出的一種解決方法。但是，它屬于線性特征提取方法，不能夠提取出更為有效的非線性特征。故本章對(duì)該方法進(jìn)行了研究，利用核函數(shù)技巧，對(duì)其進(jìn)行了擴(kuò)展，提出了一種非線性方法即基于核的加權(quán)的PCA。該非線性方法既保留了加權(quán)PCA算法的優(yōu)點(diǎn)，又提取了人臉圖像的非線性特征。在 FERET人臉數(shù)據(jù)上的實(shí)驗(yàn)表明，該算法明顯優(yōu)于線性方法，具有更高的識(shí)別率。<

3、br>　　局部保局投影算法（LPP）及其衍生出來的算法如OLPP、DLPP及KLPP等在人臉識(shí)別時(shí)須先采用主成分分析（PCA）算法對(duì)高維樣本降維后才能應(yīng)用，故直接正交鑒別保局投影算法（DODLPP）又被提出。但是由于人臉光照、表情、姿態(tài)的變化均為非線性的，而DODLPP是一種線性的提取方法，故它不能提取人臉的非線性特征。因此本文在此基礎(chǔ)上，利用核函數(shù)對(duì)DODLPP進(jìn)行核化，提出了基于核的DODLPP算法。該算法的優(yōu)點(diǎn)是在保持人臉流形結(jié)構(gòu)