基于二維NMF的人臉識別算法研究.pdf

1、非負(fù)矩陣分解算法由于具有實現(xiàn)上的簡便性、分解形式和分解結(jié)果上的可解釋性，以及占用存儲空間少等諸多優(yōu)點，自提出之后迅速受到數(shù)學(xué)、統(tǒng)計學(xué)、計算機科學(xué)、生物信息學(xué)等各個領(lǐng)域研究人員的關(guān)注?？墒?，基于NMF的人臉識別算法需要將人臉圖像向量化后再進行特征提取。當(dāng)圖像尺寸較大時，圖像的向量化會產(chǎn)生高維數(shù)據(jù)，而使得后續(xù)算法具有較高的計算復(fù)雜性;此外，圖像的向量化也會導(dǎo)致隱含在原始圖像中的某些結(jié)構(gòu)信息丟失。為此，研究人員從不同的角度建立了基于二維非負(fù)矩

2、陣分解(2DNMF)的人臉識別方法。
　　基于已有的2DNMF算法，本文從提高識別率減少計算量的角度提出了兩個改進的2DNMF算法并應(yīng)用于人臉識別。首先利用行、列特征矩陣（投影系數(shù)矩陣）的加權(quán)和重新構(gòu)造描述人臉的整體特征矩陣（投影系數(shù)矩陣），使得特征提取過程更注重隱含于原圖像行、列中的結(jié)構(gòu)信息;同時也考慮了基矩陣的正交化策略，以便消除特征矩陣各元素之間的統(tǒng)計相關(guān)性，減少特征矩陣之間的信息冗余。改進的算法保留了2DNMF的在特征提取