一种非线性降维改进算法在图像处理中的应用.pdfVIP

№ ．1 陕西科技大学学报 Feb．2O11 ·l32 · JOURNAL OFSHAANXIUNIVERSITY OFSCIENCE TECHN0L0GY VoI．29 文章编号 ：1000—5811(COl11Ol一0132—06 一 种非线性降维改进算法在 图像处理中的应用 李德启 ，刘传领 (1．商丘职业技术学院计算机系 ，河南 商丘 476000；2．南京理工大学计算机科学与技术学院，江苏 南京 210094) 摘 要：对高维非线性结构的图像进行降雏是提 高识别率的关键环节，而一些传统的算法在 对 图像进行降维处理过程 中虽然取得 了一定的成效，但也暴露了它们各 自的缺陷．为了达到对 高维非线性 图像识别的理想效果，在对传统的降维算法分析并对其优势进行提炼的基础上 ，提 出了一种改进的非线性降维算法，解决了传统算法的缺陷，并分别在 0RL和 CMUPIE数据 库 图像上进行 了仿真实验 ，从而验证 了该算法对高维非线性 图像在模式识别上 的可行性 ． 关键词 ：线性判别式分析；非线性降维；识别率 中图法分类号：TP391．4l 文献标识码 ：A 0 前 言 图像模式识别技术是信息处理领域的重要分支之一 ，尤其在侦察、金融和管理等部 门具有广阔的应用 和发掘前景 ，它已经成为模式识别和人工智能方面一个重点研究课题．为了更好地完成对 图像的识别 ，对 高维图像 (如人脸图像)进行降维是对图像识别之前 的关键技术环节 ，因为通过降维处理后 的图像计算复 杂度有 了明显的降低 ，存储空间也有了明显的节省．目前 ，对高维图像数据进行降维 的方法主要有线性降 维(如 LDAl1]和 PCA_2等)和非线性降维方法 (如 LLE_3一和 IS0MAP 等)两种．线性降维方法虽然能够 通过性能 目标寻找线性变换矩阵实现对高维数据 的降维，但 由于光照 、表情和姿态等因素会使高维人脸图 像具有明显的非线性流形特征一，但是进行数据降维后会产生原有数据的非线性特征丢失的现象，导致图 像数据在进行特征提取后数据失真 ，从而降低 了图像的识别率．非线性降维算法虽然能够使训练样本的流 形结构得到保持 ，但却很难通过对新样本点的分析得到低维上的投影 ，从分类角度上并不是理想的选择． 针对上述两种高维图像数据降维方法存在的缺陷 ，笔者提出了把 LDA和 IIE相互融合起来 的一种新的 图像处理方法 (简称 LDA LLE)，它既能够解决线性降维方法数据降维后产生的原有数据 的非线性特 征丢失的缺陷，又能够使非线性降维算法在通过对新样本点 的分析得到低维上 的投影方面存在的问题得 到很好的解决．经过实验表明，用此方法处理过的图像识别率 比传统的线性和非线性降维方法都高出很 多． 1 LDA算法 的实现及其分析 线性判别式分析 (LDA)是 Belhumeur在 1996年 引入用于模式识别和人工智能领域 的经典算法．为 了保证投影后的模式样本在新的子空问具有最佳可分离性 ，它把高维 的模式样本投影到最佳鉴别矢量空 间，使模式样本在新的子空间具有最小类 内散布矩阵和最大类间距离得到实现，保证了压缩空间和抽取分 类信息的效果．在对人脸 图像处理的过程 中．为了消除识别信息与所压制图像之 问的差异，把与类 内散布 * 收稿 日期 ：2010—10—19 作者简介 ：李德启(1974一)，男 ，河南省商丘市人 ，讲师 ，研究方向：软件工程 、模式识别 第 1期 李德启等 ：一种非线性降维改进算法在 图像处理中的应用 ·133 · 的正交的矢量作为特征脸空间，保证 了类 内离散度和类间离散度的比值最小 ，从而避免了光照和表情变化 等因素对人脸 图像识别 的影响． 为了实现 LDA算法[7 ，首先以一组 Z一 {Z } 作为训练集 ，其 中 c代表类别的个数 ，每类 Z一 {z}一1中包含C个人脸图像 ，那么，在训练集中有人脸图像为▲N一∑ c，用J一( ×J)表示 每幅图像的列向量 ，图像 的大小为 × ，．，维实空间用R 表示，其 中 ER ，然后通过一组特征 M (《 J)和基 向量 { }M一保证类 间与类 内