完备正交邻域保持判别嵌入的人脸识别.docVIP

完备正交邻域保持判别嵌入的人脸识别 　　摘要： 　　为解决邻域保持判别嵌入算法所面临的小样本问题，并充分利用类内邻域散度矩阵零空间和非零空间中的判别信息进行人脸识别，提出一种完备正交邻域保持判别嵌入的人脸识别算法。首先间接地利用特征分解方法去除总体邻域散度矩阵的零空间；然后分别在类内邻域散度矩阵零空间和非零空间中提取最优判别矢量。此外，为进一步提高算法的识别性能，给出了基于瘦QR分解的正交投影矩阵的求解方法。在ORL和Yale人脸库上验证了以上算法的有效性。 　　关键词：人脸识别；特征提取；零空间； 非零空间；邻域保持判别嵌入 　　中图分类号：TP391.41 　　文献标志码：A 　　0引言 　　特征提取是人脸识别的关键步骤，其主要目的是降维。较为经典的算法有主成分析（Principal Component Analysis，PCA）[1] 和线性判别分析（Linear Discriminant Analysis，LDA）[2] 。这两种算法都假设数据集处于欧氏空间中。而有研究表明，很多复杂对象处于某个流形子空间中[3-4]，在这种情况下，PCA和LDA将很可能失效。 　　2005年，He等[5]提出了一种邻域保持嵌入（Neighborhood Preserving Embedding， NPE）算法，与PCA、LDA相比，它能有效地保持原始数据的局部特性，将人脸投影