NMF方法在遮挡人耳识别中的应用.pdfVIP

第45卷第1期 郑州大学学报(理学版) VoL45No．1 2013年3月 J．ZhengzhouUniv．(Nat．Sci．Ed．) MaL2013 NMF方法在遮挡人耳识别中的应用 王 瑜 (北京工商大学计算机与信息工程学院北京100048) 摘要：遮挡一直是人耳识别的典型难题，严重阻碍该生物特征识别技术的快速发展．非负矩阵因子NMF(non- matrix negative with 两种方法NMFSE(NMFsquareerror)和NMFDIV(NMF with NMF)和NMFSC(NMFconstraints)等方法应 NMF)、NNSC(non-negativesparsecoding)、SNMF(sparse sparseness 用于遮挡情况下的人耳识别，并通过实验验证了NMF方法在遮挡条件下人耳识别的可行性与有效性． 关键词：人耳识别；非负矩阵因子；稀疏性；遮挡 391．41 中图分类号：TP 文献标志码：A 文章编号：1671—6841(2013)01—0061—04 DOI：10．3969／j．issn／1671—6841．2013．01．015 0 引言 遮挡一直是人耳识别的典型难题，严重阻碍该生物特征识别技术的快速发展．在数据分析工作中，一个 基本的原则是寻找恰当的数据表示，一方面要能够清晰的表达隐含的数据结构，另一方面要达到降维的目 的，以便后期的计算研究工作． NMF是近年来提出的一种新颖的数据表达方式，它以一种无监督的方式寻找目标的局部特征，因此与 discriminant 主元分析PCA(principalcomponentanalysis)…、线性判决分析LDA(1inearanalysis)旧1和独立元 component 分析ICA(independent 部遮挡问题． feature 现存的基于局部特征的数据表达方式还有LFA(10cal 线性叠加特征系数有可能是正的，也有可能是负的，因此在复杂的叠加过程中会有正负抵消现象发生，这就 使得局部构成整体的思想缺乏直观性的理解．同这些方法相比，由NMF方法得到的基空间和重构特征系数 被加以非负的限制条件，使得在重构输人数据的线性叠加过程中只有加而没有减，由局部累加为整体，因此 NMF方法不仅从理论上，而且从直观上更容易被理解为基于局部的数据表示方法，这也是考虑将NMF方法 应用于遮挡条件下人耳识别的主要原因． 1 NMF 有效的方法．NMF的主要思想是对输入图像y分解得到的基空间w和重构系数日加以非负性限制，保证矩 阵w和口中的元素均为非负． 目前，NMF有两种不同的算法，经证明在实际应用中都非常有效，这两种方法只是在迭代规则上略有不 同，一种以最小平方误差为衡量准则，简称为NMFSE，而另一种以最小K-L离散度为衡量准则，简称为 NMFDIV．以最小平方误差为目标函数值的迭代规则为： 收稿日期：2012—03—11 启动基金资助项目，编号QNJJ2012—22． 作者简介：王瑜(1977一)，女，讲师，博士，主要从事模式识别与图像处理研究，E·mail：wangyu@t11．btbu．edu．cn． 万方数据 62 郑州大学学报(理学版) 第45卷 H。芦=致弘(wTv)。，／(wTW日)。芦；既=睨(VII’)缸／(WHHT)¨ 式中的下标均表示行列标记，前面的字母表示行，后面的字母表示列，下面迭代公式的下标意义均同．以最小 K一￡离散度为目标函数值的迭代规