核保局鉴别分析人脸识别算法 .pdfVIP

学兔兔 第31卷 第9期 仪 器 仪 表 学 报 Vo1．31 No．9 2010年9月 Chinese Journal of Scientific Instrument Sep．2010 核保局鉴别分析人脸识别算法术 辜小花，龚卫国，杨利平，李伟红 (重庆大学光电技术及系统教育部重点实验室 重庆 400044) 摘 要：针对人脸图像的高维、非线性特性，本文结合核函数和鉴别保局投影分析，提出了一种新的非线性子空间特征提取方 法——核保局鉴别分析(kernel locality preserving discriminant analysis，KLPDA)。该算法首先利用核函数将输入空间内线性不 可分的人脸样本通过非线性映射投影到高维特征空间，以增强样本的可分性，然后在该特征空间内通过保局鉴别分析算法寻求 保持样本局部近邻结构的鉴别特征。实验结果指出，在ORL和UMIST人脸图像库上KLPDA的识别结果相较于其对应的线性 方法(LPDA)分别高出6．16％和3．48％，而相较于其他几种典型的核方法(KPCA、KFDA和KCLPP)的最高识别率也分别高出 1．28％和2．60％，验证了本文提出方法的有效性。 关键词：保局鉴别分析；核方法；子空间方法；特征提取；人脸识别 中图分类号：TP391．4 文献标识码：A 国家标准学科分类代码：510．40 Kernel locality preserving discriminant analysis for face recognition Gu Xiaohua，Gong Weiguo，Yang Liping，Li Weihong (Laboratory ofOptoelectronic Technology and跏 ofthe Education Ministry ofChina，Chongqing University，Chongqing 40OO44，China) Abstract：In this paper，a new nonlinear subspace feature extraction method called kernel locality preserving dis— criminant analysis(KLPDA)is proposed for face representation and recognition，which aims at discovering an em— bedding that preserves nonlinear information．To enhance sample separability，the linear nonseparabale data in the input space are mapped to a high dimensional feature space by a kernel mapping，and then locality preserving dis— criminant analysis is conducted to seek discriminant features that also preserve the local structure．Experimental re— suits show that，on ORL and UMIST face databases the proposed KLPDA method achieves a recognition accuracy that is 6．16％and 3．48％higher than that on average using its corresponding linear method(LPDA)，respectively，and 1．28％and 2．60％higher than