论文部分内容阅读
人脸识别作为生物特征识别领域的一种较友好的身份识别技术,引起了学者广泛的研究兴趣。人脸识别过程最重要的一个环节就是图像特征的提取,而子空间分析已经成为众多特征提取方法中比较活跃的一类。局部保留映射算法（Locality Preserving Projection,LPP）和二维局部保留映射（Two-Dimensional Locality Preserving Projection,2DLPP）算法是属于非线性的子空间算法,它们主要保留了图像的局部流行结构,基本思想是在高维空间具有近邻体现的两个样本,投影到低维空间后也相邻。LPP和2DLPP算法虽能反映样本的流行结构,但却是一种无监督且只反映非线性结构的人脸识别算法,因此通过深入研究LPP和2DLPP算法,提出几种相应的改进算法:1.首先引入类内、类间信息对LPP算法的关系矩阵进行优化,使LPP成为有监督的非线性学习方法,提出改进的局部保持投影（Improved Locality Preserving Projection,ILPP）算法。然后将ILPP算法与二维主分量分析（Two-Dimensional Principal Component Analysis,2DPCA）和二维线性判决分析方法（Two-Dimensional Linear Discriminant Analysis,2DLDA）相结合,使得2DPCA+2DLDA+ILPP算法既能保留样本的整体空间信息和分类信息,也能保留样本的流行结构。2.利用训练样本之间的相似度与所有样本之间的平均相似度的比较来统计样本图像的类间近邻点的个数,并引入样本的类内类间信息来改变LPP算法的关系矩阵,采用这种优化的LPP算法（Optimized Locality Preserving Projection,OLPP）对样本进行投影,便能保留样本的局部流形信息和分类信息。而对角主成分分析算法（Diagonal Principal Component Analysis,DiaPCA）和对角线性判别分析算法（Diagonal Linear Discriminant Analysis,Dia LDA）能保留矩阵行和列之间的相关性,也能保留样本的线性结构,因此将DiaPCA+DiaLDA与OLPP算法相结合,增强算法的稳定性以及提高识别效果。3.提出二维自适应局部保持投影算法（Two-Dimensional Adaptive Locality Preserving Projection,2DALPP）,其利用样本的类内类间信息以及两两样本之间的距离和所有样本的平均距离等内容对2DLPP进行优化,实现类内类间最近邻数的选取以及权重等参数的自适应;因为梯度反映了图像信息行或列方向的变化,而如果两个样本在原始数据空间表现为最近邻,那么他们在行或列方向上的梯度变化也是相似的,因此利用梯度信息继续对2DALPP算法进行改进,提出一种基于梯度的二维自适应局部保持投影（Gradient Two-Dimensional Adaptive Locality Preserving Projection,G2DALPP）算法。