張量子空間人臉識(shí)別算法研究.pdf

1、人臉識(shí)別是模式識(shí)別具體應(yīng)用中的一個(gè)熱點(diǎn)研究領(lǐng)域。一個(gè)完整的模式識(shí)別系統(tǒng)主要包括特征提取和分類(lèi)器兩部分。本文主要研究如何提取人臉圖像中的有效分類(lèi)特征以實(shí)現(xiàn)高效的識(shí)別。在眾多的特征提取算法中,子空間算法是人臉識(shí)別中常用的特征提取方法之一。特別是近年來(lái),張量子空間算法得到了比以往更廣泛地研究。張量子空間算法和流形學(xué)習(xí)相結(jié)合成為特征提取算法的一個(gè)新的發(fā)展趨勢(shì)。本文針對(duì)張量子空間算法的優(yōu)點(diǎn),結(jié)合其它算法的優(yōu)點(diǎn)提出了一些新的人臉識(shí)別算法；本文也對(duì)現(xiàn)

2、有的張量子空間流形學(xué)習(xí)算法中存在的不足進(jìn)行了改進(jìn),提出了新的張量子空間流形學(xué)習(xí)算法。傳統(tǒng)的子空間算法是基于向量的子空間算法,向量子空間算法有其本質(zhì)的缺點(diǎn),傳統(tǒng)的張量子空間算法雖然對(duì)向量子空間算法的缺點(diǎn)有所改進(jìn),但沒(méi)有完全克服這些缺點(diǎn)。為此本文引入了空間光滑子空間流形學(xué)習(xí)的思想,提出了一些新的空間光滑子空間流形學(xué)習(xí)算法。
　　 本文的研究成果主要包括以下幾個(gè)方面:
　　 1.張量主成分分析方法相對(duì)于主成分分析方法具有更好的

3、特征提取效果。小波變換具有良好的時(shí)頻分析特性,同時(shí)還能起到降維的作用。綜合利用這兩個(gè)算法的優(yōu)點(diǎn),本文提出了一種融合小波變換和張量主成分分析的人臉識(shí)別算法。該算法首先對(duì)人臉圖像先采用小波變換做預(yù)處理得到四個(gè)子帶圖像,然后對(duì)每個(gè)子帶圖像用張量主成分分析進(jìn)行特征提取,最后采用最近鄰方法對(duì)所提取的特征進(jìn)行分類(lèi),實(shí)現(xiàn)了人臉圖像的高效識(shí)別。
　　 2.在結(jié)合小波和張量主成分分析進(jìn)行特征提取的基礎(chǔ)上,利用粒子群優(yōu)化(PSO)算法對(duì)所提取的特征

4、進(jìn)行特征優(yōu)化選擇。算法過(guò)程為:首先采用小波變換和張量主成分分析方法對(duì)人臉圖像進(jìn)行特征提取,然后再利用PSO對(duì)提取的特征進(jìn)行加權(quán)處理,根據(jù)特征的每一維元素的聚類(lèi)正確率進(jìn)行優(yōu)化選擇,從而達(dá)到對(duì)人臉提取關(guān)鍵性特征的目的。
　　 3.針對(duì)現(xiàn)有的張量子空間流形學(xué)習(xí)算法中存在的不足,提出了一種改進(jìn)算法:基于局部和全局信息的張量子空間投影。該算法充分利用人臉圖像數(shù)據(jù)的局部流形結(jié)構(gòu),即數(shù)據(jù)的類(lèi)內(nèi)非線性流形結(jié)構(gòu),和人臉圖像數(shù)據(jù)的全局信息,即數(shù)據(jù)的

5、類(lèi)別信息,使得數(shù)據(jù)在投影空間中的類(lèi)間分離度最大的同時(shí)保持了原始數(shù)據(jù)的非線性流形結(jié)構(gòu)。通過(guò)迭代和投影得到最優(yōu)張量子空間以提高識(shí)別率。
　　 4.根據(jù)譜圖嵌入和某些流形學(xué)習(xí)算法的思想提出了一種新數(shù)據(jù)關(guān)系圖矩陣確立方法,并在此基礎(chǔ)上得出了兩種利用該關(guān)系圖矩陣在空間光滑的框架下求解投影矩陣進(jìn)行人臉識(shí)別的算法?？臻g光滑約束使得兩種算法比傳統(tǒng)的張量子空間算法更加充分地考慮了圖像的各像素點(diǎn)在圖像中分布的空間相關(guān)性,同時(shí)提出的新的數(shù)據(jù)關(guān)系圖矩陣