投影分析在人脸别中的研究与应用.pdf

博士论文 投影分析矶。人脸识别中的研究与应用 摘 要 人脸识别技术是计算机模式识别领域中一个非常活跃的研究课题，在法律、商业 等领域有着广泛的应用煎景。其主要任务是利用已存储的人脸图像库，识别静止或视 频图像中的一张或多张人脸。 在模式识别领域中，基于Fisher鉴别准则函数的最佳鉴别变换有着重大的影响。 本文完善了基于Fisher鉴别准则的线性鉴别分析的理论构架，给出了求解最优鉴别矢 量集的一个非常简单而有效的算法。本文揭示了具有统计不相关性的线性鉴别分析方 法与经典的K—L展开方法的内在关系，并在此基础上导出了一种基于类内散布的最 优PCA展开方法。而且，本文进一步将这种方法扩展成为基于类内散布的最优Kernel PCA展开方法。在ORL人脸图像数据库上的识别实验也证明了所提方法的有效性。 多分类器的组合已成为模式识别领域的前沿研究课题，并在许多应用方面，如字 符识别、目标识别等领域．取得了较好的应用效果。目前，已有多种多分类器组合方 法被用来识别人脸。本文从抽取具有统计不相关的模式特征的想法着手，通过作基于 小波变换的图像分解和K，L变换等处理避开人脸识别的小样本集的局限，并通过运 用具有统计不相关性的最佳鉴别变换抽取人脸的有效鉴别特征。同时，利用多特征多 分类器组合的方法对ORL人脸图像库进行了识别，实验达到了令人满意的效果。 本文通过抽取多组人脸特征进行特征融合实验。运用基于复线性投影分析的并行 融合方法在NUST603人脸图像库上进行了识别实验。这种方法不仅能大幅度地降低 原始数据的维数，而且较大程度上提高了分类识别的效果。 本文提出并推导了特征分解的校正算法，并以此为基础，实现了增量学习的主成 分分析方法。在NUST603人脸图像库上的对比实验表明，这种方法具有很好的稳定 性，其识别实验的结果与直接运用传统主成分分析方法所得结果相近。 关键词：模式识别，特征抽取，主分量分析，Fisher线性鉴别分析，人脸识别 博士论文 投影分析在人脸识别中的研究与应用 2003年10月 ABSTRACT Face isa active intheareaof recognitiontechnologyvery subject computerpattem a haswide of andlaw recognition，whichrangecommercialenforcement potential task or applications．Theprimaryat still video the hand，given images，requires identificationofoneormore adatabaseofstoredface personsusing images， BasedonFisher’sdiscriminant setsofdiscriminantvectorshave function，optimal of influenceinthearea first atheoretical paper great patternrecognition．Thisdevelops for linear