基于核的特征提取方法的人臉識別研究.pdf

1、人臉識別是生物特征識別的一個主要研究方向，與其它生物特征識別技術(shù)相比較，人臉識別有主動性，用戶界面友好等許多特點。同時，在所有的生物特征方面，人臉特征也是最普遍和最比較容易獲取的。因此，在模式識別和圖像處理領(lǐng)域，人臉識別一直都是比較熱門的研究課題之一。特征提取是模式識別學(xué)科研究的最基本問題之一。對于人臉識別而言，抽取有效的人臉特征是完成人臉識別任務(wù)的關(guān)鍵。從最初的基于幾何的方法到基于統(tǒng)計等復(fù)雜特征的方法，人臉識別已經(jīng)發(fā)展了很多算法。目前

2、，基于統(tǒng)計特征的線性方法在人臉識別中以發(fā)展得比較成熟，但是由于人臉識別涉及光照、表情、姿態(tài)等諸多因素，線性方法在實際應(yīng)用中表現(xiàn)得還遠(yuǎn)遠(yuǎn)不夠。因此，將線性方法拓展到非線性領(lǐng)域以提高識別率是一個有待解決的問題。基于核的特征提取方法是最近提出的一種很有效的非線性特征提取方法。本文就基于核的特征提取方法在人臉識別方面的應(yīng)用進(jìn)行了較深入的研究，所提出的算法在FERET人臉數(shù)據(jù)庫上的試驗取得了比較好的識別效果。本文的主要工作如下：
　　 (

3、1)對于Fisher(KFD)鑒別和核Fisher(KFDA)算法進(jìn)行了較為深入的分析，發(fā)現(xiàn)了一種等價的但更為簡單的非線性特征抽取方法，即先變換樣本再進(jìn)行Fisher鑒別分析的方法。通過設(shè)計的矩陣相似度特征提取算法在Yale人臉庫上的實驗結(jié)果驗證了所提方法的有效性。
　　 (2)雖然基于核的特征提取方法在圖像的特征提取問題方面取得了很大的成功，但是也存在著如下一些問題：一、構(gòu)造特征空間H中的核矩陣K所耗費(fèi)的計算量非常大。二、當(dāng)訓(xùn)

4、練樣本數(shù)N很大時，一方面會使得核矩陣的存儲空間急劇增加，因為核矩陣的維數(shù)為N×N；另一方面造成核矩陣的不可逆。為此，本文深入分析了兩種兩階段的核特征抽取方法：PCA+KFDA和PCA+KPCA，即在進(jìn)行非線性映射之前，首先利用經(jīng)典的主分量分析降維，然后再執(zhí)行核Fisher鑒別分析(KFDA)或核主分量分析(KPCA),這樣進(jìn)一步降低了特征提取所需的時間,使算法具有更高的效率.
　　 (3)隨著基于核方法的鑒別標(biāo)準(zhǔn)的廣泛使用，研究