论文部分内容阅读
近年来,人脸识别技术的发展受到人们的高度关注。因众多学者的努力探索,该技术的发展越来越成熟了。历经50多年的研究,人们在人脸识别研究领域已经取得许多成果。但是,由于化妆等因素影响人脸面部特征的提取,导致了人脸识别仍然存在许多问题。其中小样本问题是人脸识别中核心问题之一,也是流形模式识别必须高度关注的。本文针对人脸识别中的小样本问题及在识别过程中因计算特征矩阵复杂性问题展开深入研究,主要研究工作与创新点如下：1、针对LPP算法无法利用判别信息等缺点,提出判别局部保持投影(DLPP)算法,它已经成功运用维数约简技术在许多分类问题中。然而在计算过程中为了避免遭遇到小样本问题,DLPP要进行降维,这样会丢失有效的判别信息。直接线性判别分析(DLDA)算法通过不同对角化顺序可以解决这个问题。启发于DLDA算法,我们将DLDA引入到LPP中,提出了一种改进的LPP算法。因为DLDA算法保留了有效的判别信息,所以,改进的LPP算法识别效果优于DLPP和LPP算法。2、根据上面的介绍我们知道,为了提高识别率和避免小样本问题,我们提出了判别局部保持投影DLPP算法。但是,在计算过程中需要解决稠密矩阵特征分解问题。由于该算法消耗大量的时间和内存,使得在数据集较大时,算法无法应用。谱回归判别分析(SRDA)算法可以有效的节省时间和内存的消耗,同时谱回归分析算法由于谱方法的运用而提高了识别率。基于SRDA,我们提出一个改进的局部保持投影LPP算法：谱回归判别局部保持投影算法(SRDLPP)。在人脸库上的实验表明,本方法具有具高的识别率和较低的时间、内存消耗。3、在MATLAB实验平台上,我们选取ORL,YALE,扩展的YALE_B作为测试人脸库,针对LPP,DLPP,一种改进的LPP算法和基于谱回归差别分析的LPP算法,进行实验对比,具有良好的识别效果。