相关近邻NPE算法的人脸识别研究-计算机应用研究.docVIP

刘嘉敏、李连泽等：相关NPE算法的人脸识别研究 计算机应用研究 计算机应用研究 Application Research of Computers 基金项目：中央高校基本科研业务费项目（1061120131207，CDJX. 作者简介：刘嘉敏(1973-)，男(汉族)，四川成都人。副教授，博士，主要研究方向为图像处理技术和模式识别（E-mail: liujm@）；李连泽+(1988-)，男(汉族)（通信作者），河北唐山人，硕士研究生，主要研究方向为数字图像处理、模式识别及装置（E-mail: HYPERLINK mailto:792151701@ 792151701@）；罗甫林（1988-），男（汉族），四川内江人，博士，主要研究方向为数字图像处理和模式识别；刘亦哲（1990-），男（汉族），河南周口人，硕士研究生，主要研究方向为数字图像处理和模式识别。刘玉梅（1989-），女（汉族），四川泸州人，硕士研究生，主要研究方向为自动控制。 相关NPE算法的人脸识别研究 刘嘉敏，李连泽，罗甫林，刘亦哲，刘玉梅 (重庆大学 光电技术及系统教育部重点实验室，重庆 400044) 摘 要：传统的近邻保持嵌入(NPE)算法采用欧氏距离作为近邻点选取的度量，但欧氏距离只表示两点间的直线距离，在高维空间中不一定能反映数据间的真实空间分布，易导致近邻选取不准确。针对此问题，本文提出了相关近邻NPE（CNPE）算法，该方法利用相关系数度量数据间的近邻关系，实现更准确的局部重构，提取更有效地鉴别特征。在CMU PIE人脸数据集上的实验结果表明：本文提出的CNPE算法比NPE、LLE、LPP拥有更高的识别率。CNPE算法增加了近邻为同类的概率，能更有效地实现人脸识别。 关 键 词：人脸识别；流形学习；近邻保持嵌入；相关系数 中图分类号：TP391 文献标识码：A 文章编号： Facial Recognition Research on Correlation NPE HYPERLINK javascript:void(0); Algorithm Abstract: Traditional NPE algorithm considers Euclidean distance as the standard to select neighbor points, but the Euclidean distance only represents the linear distance between two points, it couldn’t reflect data’s reality distribution in the high-dimensional space which caused instability in neighbor points selecting. Aiming at this problem, this paper puts forward CNPE algorithm. It utilizes correlation coefficient to weigh neighbor relationship among data, which realizes more accurate local reconstruction and extracts more abundant discriminate features. The experiments on CMU PIE face database reveals that the CNPE algorithm this paper proposed owns higher recognition rate than NPE, LLE and LPP algorithm. What’s more, the algorithm increases the possibility that the neighbor points to be the homogeneous points, which could achieve face recognition efficiently. Key words: face recognition; manifold learning; Neighborhood?preserving?embedding; correlation coefficient? CLC number：TP391 Document code：A 0 引言 近年来人脸识别在模式识别、人工智能、图像处理及认知科学等学科获得广泛关注，