人臉識別中圖像描述方法的研究.pdf

1、在計(jì)算機(jī)技術(shù)迅速發(fā)展的今天，人臉識別作為一種直接和友好的模式識別技術(shù)，受到越來越廣泛的關(guān)注。本文主要對基于空間變換的流形學(xué)習(xí)方法Isomap算法和LPP算法、稀疏描述方法以及LSIR算法這幾種圖像描述方法進(jìn)行人臉識別的研究和改進(jìn)。
　　Isomap算法是一種保留數(shù)據(jù)全局結(jié)構(gòu)的空間變換方法。針對鄰接圖不連通時(shí)Isomap算法不能正常運(yùn)行的問題，總結(jié)和提出四種基于不同距離計(jì)算策略的Isomap擴(kuò)展算法，實(shí)驗(yàn)證明在特定的參數(shù)設(shè)置下這些擴(kuò)

2、展算法都能獲得較MDS算法更好的人臉識別性能。針對多流形重疊不利于識別的問題，提出將聚類技術(shù)與Isomap算法相結(jié)合的改進(jìn)算法KCIsomap算法和HCIsomap算法，它們在一定程度上提高了Isomap算法的人臉識別精度。
　　LPP算法是一種保留數(shù)據(jù)局部結(jié)構(gòu)的空間變換方法。在兩種常規(guī)LPP求解模式的基礎(chǔ)上，通過目標(biāo)函數(shù)的形式變換得到一種改進(jìn)的求解模式。改進(jìn)的LPP求解模式能有效的解決常規(guī)LPP求解模式中的SSS問題和不能保留數(shù)

3、據(jù)局部結(jié)構(gòu)的問題，并獲得更高的人臉識別精度。
　　流形學(xué)習(xí)方法是忠于結(jié)構(gòu)的圖像描述方法，它以最大程度保持樣本的結(jié)構(gòu)為目標(biāo)；稀疏描述方法和LSIR算法則直接用訓(xùn)練樣本的線性組合表示測試樣本，同時(shí)要求表達(dá)結(jié)果與原始數(shù)據(jù)間的偏差最小，是忠于數(shù)據(jù)本身的圖像描述方法。
　　稀疏描述方法中，BP算法用線性組合系數(shù)的絕對值之和來衡量描述的稀疏性，通過線性規(guī)劃方法求出對測試樣本的稀疏描述；MP算法則通過不斷對測試樣本和殘余進(jìn)行投影分解，獲得