線性子空間人臉識(shí)別方法的研究與仿真.pdf

1、由于計(jì)算機(jī)人臉識(shí)別技術(shù)具有廣闊的應(yīng)用前景，對(duì)計(jì)算機(jī)人臉識(shí)別方法和技術(shù)的研究已經(jīng)成為國(guó)內(nèi)外模式識(shí)別領(lǐng)域內(nèi)研究的熱點(diǎn)。本文從人臉特征提取角度，對(duì)當(dāng)前一些較新的人臉識(shí)別方法進(jìn)行了討論分析，并給出了相應(yīng)的改進(jìn)算法該文研究了基于圖像矩陣的特征提取問(wèn)題，并提出新的圖像矩陣特征提取方法，即2DMMC plus 2DFDA鑒別矢量集人臉識(shí)別方法。同時(shí)，本文利用了基于圖像矩陣的2DMMC準(zhǔn)則獲得行和列方向最優(yōu)鑒別矢量集，再同時(shí)對(duì)人臉圖像矩陣壓縮方法即 (

2、(2D)<'2>MMDA)，對(duì)此方法進(jìn)行探索和研究。人臉識(shí)別仿真試驗(yàn)證明本文提出(2D)<'2>MMDA的方法具有較高的識(shí)別率和較好的穩(wěn)定性。 該文通過(guò)分塊PCA(Modular PCA)的思想一直接從人臉圖像矩陣出發(fā)，在模式識(shí)別之前，先對(duì)圖像矩降進(jìn)行分塊，對(duì)分塊得到的子圖像矩陣使用主成分分析進(jìn)行鑒別分析。在此基礎(chǔ)上，本文提出了分塊MMC(Modular MMC，MMMC)。其大體思想和分塊PCA(MPCA)相似，但其加入類別信

3、息，使鑒別軸更具有鑒別性。在ORL人臉庫(kù)上檢驗(yàn)了這種方法的識(shí)別性能，實(shí)驗(yàn)結(jié)果表明這種方法MMMC抽取的鑒別特征有較強(qiáng)的鑒別能力。 該文深入研究了人臉識(shí)別的獨(dú)立成份分析方法。首先，研究了線性特征提取情況下的獨(dú)立成份分析及其在人臉識(shí)別中的應(yīng)用，通過(guò)理論分析和仿真試驗(yàn)，探索了獨(dú)立成份分析人臉識(shí)別方法的理論本質(zhì)和識(shí)別性能。在此基礎(chǔ)上，本文提出了一種新形式的核獨(dú)立成份分析算法并應(yīng)用于人臉識(shí)別問(wèn)題。在大型人臉庫(kù)上的仿真試驗(yàn)證明了本文提出的方