独立分量分析与流形学习研究计算机应用技术专业论文.docxVIP

II II 摘要(Abstract) 降低了光照条件、人脸表情等外在因素对人脸识别的影响， 并先后将分块后重组 的矩阵的行和列作为训练样本提取独立分量，由于训练样本维数很小，因此它降 低了传统独立分量分析(ICA)方法中存在的高维小样本问题产生的识别错误率， 同时减少了识别时间。在Yale人脸库和AR人脸库上验证了该算法的有效性。 3、基于局部人脸图像的ICA人脸识别方法(Independent ComponentAnalysis on Part of Face Image and Face Recognition) 独立分量分析能够有效利用人脸样本的高阶统计信息抽取样本的鉴别信息， 但是提取的鉴别信息并不能反映样本的局部信息。本文提出了一种基于局部人脸 图像的ICA方法，它首先将人脸分成若干个块，然后直接将分成的每个局部人脸 图像作为训练样本，另外由于不同图像样本的行和列间均存在相关性，本文方法 先后从训练样本的水平方向、垂直方向提取独立分量。相较于传统的独立分量分 析方法，所提方法具有如下优点：一、降低了人脸识别过程中存在的高维小样本 问题产生的识别错误率；二、将分块后的局部人脸图像作为训练样本，这不仅增 加了训练样本数，而且有利于提取人脸的局部特征；三、依次从训练样本的水平 方向、垂直方向提取训练样本特征，使得提取的特征不仅维数更小，而且能更有 效地反映样本的局部信息。在Yale及AR人脸库上的实验表明，相较于其它入脸 识别方法，本文方法更稳定，识别率更高。 4、基于ICA和UDP相结合的人脸识别(Face Recognition Based on ICA and UDP) 独立分量分析(ICA)是一种基于样本整体数据结构的特征抽取方法，无法反 映样本内在的数据关系，因此ICA不利于解决人脸识别这类非线性问题，并且识 别率易受人脸姿态、光照等外在因素的影响。无监督鉴别投影(Unsupervised Discriminant Projection，UDP)属于一种流形学习算法，它同时考虑到样本的局部 特征和非局部特征，这有助于解决人脸识别这类非线性问题。本文提出了一种将 ICA和UDP的相结合的算法，首先利用ICA提取样本特征，然后对提取的特征利 用UDP进一步获取有效的鉴别信息。这种方法能够反映样本潜在的数据结构，同 时能够有效降低噪声对识别率的影响。在Yale及FERET人脸库上的实验结果验证 了该算法的有效性。 5、增强的边际费舍鉴别分析及其在人脸识别中的应用(Enhanced Marginal Fisher Analysis for Face Recognition) 摘要(Abstract) 摘要(Abstract) Ili 边际费舍鉴别分析(Marginal Fisher Analysis，MFA)是一种有效的可处理非 线性问题的监督流形学习算法，它根据样本的近邻关系构造两个图：类内近邻图 与类间近邻图，然后根据这两个图来制定同类样本间的内聚与不同类样本间的分 离准则。尽管实验结果证明MFA比其它一些常用人脸识别算法(例如PCA、LDA、 LPP)等更有效，但是对于任一样本在构造它的类间图时均是建立在整个样本数据 集上的，因此计算量十分繁重。本文提出了一种增强的边界费舍线性鉴别分析方 法，首先根据每类样本的均值之间的近邻关系寻找每类样本的K个最近类，然后 可在每类样本的最近类中寻找边际点，所提方法能够减少大量计算且能够有效避 免异常值现象。在ORL及FERET人脸库上的实验表明，本方法要优于其它人脸 识别方法。 关键词：特征提取；主分量分析；二维独立分量分析；分块独立分量分析； 局部人脸图像；流形学习；局部特征；非局部特征；无监督投影鉴别分析；增强 的费舍鉴别分析；人脸识别； 摘要(Abstract) 摘要(Abstract) V Abstract In recent years，face recognition technique has become a central issue in such a field as paaem recognition，and it has been widely used in such applications as identity recognition，records-management，verification for credit cards，and human-computer interaction etc．One of the key problems in face reco