二维子空间算法和改进的LPP相结合的人脸识别算法研究-电子科学与技术专业论文.docxVIP

湘潭大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的 法律后果由本人承担。 作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文 被查阅和借阅。本人授权湘潭大学可以将本学位论文的全部或部分内容编 入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇 编本学位论文。 涉密论文按学校规定处理。 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 摘要 人脸识别作为生物特征识别领域的一种较友好的身份识别技术，引起了学者广泛的 研究兴趣。人脸识别过程最重要的一个环节就是图像特征的提取，而子空间分析已经成 为 众 多 特 征 提 取 方 法 中 比 较 活 跃 的 一 类 。 局 部 保 留 映 射 算法 (Locality Preserving Projection, LPP)和二维局部保留映射(Two-Dimensional Locality Preserving Projection, 2DLPP)算法是属于非线性的子空间算法，它们主要保留了图像的局部流行结构，基本思 想是在高维空间具有近邻体现的两个样本，投影到低维空间后也相邻。 LPP 和 2DLPP 算法虽能反映样本的流行结构，但却是一种无监督且只反映非线性 结构的人脸识别算法，因此通过深入研究 LPP 和 2DLPP 算法，提出几种相应的改进算 法： 1.首先引入类内、类间信息对 LPP 算法的关系矩阵进行优化，使 LPP 成为有监督的 非线性学习方法，提出改进的局部保持投影(Improved Locality Preserving Projection, ILPP) 算 法 。然 后将 ILPP 算法与二 维主 分量分析 (Two-Dimensional Principal Component Analysis, 2DPCA) 和 二维线性判 决 分析 方法 (Two-Dimensional Linear Discriminant Analysis, 2DLDA)相结合，使得 2DPCA+2DLDA+ILPP 算法既能保留样本的整体空间信 息和分类信息，也能保留样本的流行结构。 2. 利用训练样本之间的相似度与所有样本之间的平均相似度的比较来统计样本图 像的类间近邻点的个数，并引入样本的类内类间信息来改变 LPP 算法的关系矩阵，采用 这种优化的 LPP 算法(Optimized Locality Preserving Projection, OLPP)对样本进行投影， 便能保留样本的局部流形信息和分类信息。而对角主成分分析算法(Diagonal Principal Component Analysis, DiaPCA)和对角线性判别分析算法(Diagonal Linear Discriminant Analysis, DiaLDA)能保留矩阵行和列之间的相关性，也能保留样本的线性结构，因此将 DiaPCA+DiaLDA 与 OLPP 算法相结合，增强算法的稳定性以及提高识别效果。 提出二维自适应局部保持投影算法(Two-Dimensional Adaptive Locality Preserving Projection, 2DALPP),其利用样本的类内类间信息以及两两样本之间的距离和所有样本 的平均距离等内容对 2DLPP 进行优化，实现类内类间最近邻数的选取以及权重等参数 的自适应；因为梯度反映了图像信息行或列方向的变化，而如果两个样本在原始数据空 间表现为最近邻，那么他们在行或列方向上的梯度变化也是相似的，因此利用梯度信息 继续对 2DALPP 算法进行改进，提出一种基于梯度的二维自适应局部保持投影(Gradient Two-Dimensional Adaptive Locality Preserving Projection, G_2DALPP)算法。 关键词：人脸识别；主成分分析；线性判别分析；局部保持投影；特征提取 Abstract Face recognition, a friendly identity recognition technology in the biometrics verification, has been attracting worldwide research interests. Feature extraction is the ke