基于线性子空间与流形学习的人脸识别算法研究-电子与通信工程专业论文.docxVIP

万方数据 万方数据 西安电子科技大学 学位论文独创性（或创新性）声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说 明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切的法律责任。 本人签名： 日期 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保 留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内 容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后 结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大学。 （保密的论文在解密后遵守此规定） 本学位论文属于保密，在 年解密后适用本授权书。 本人签名： 日期 导师签名： 日期 摘 要 人脸识别是计算机视觉、图像处理与模式识别领域中重要的研究课题之一， 在信息安全、刑侦破案和视频监控等领域具有十分重要的意义。人类不需要任何 训练就可以识别出人脸，但机器自动识别人脸却是一个难度很大的课题。本论文 致力于基于静止图像的准正面人脸识别方法的研究，重点放在对人脸图像子空间 进行特征提取和识别。 子空间法是人脸识别中常用的特征提取方法。本文对线性子空间方法在人脸 识别中的应用作了详细的介绍，并对各种算法从理论分析和实验结果进行比较。 其中线性判别分析方法在人脸特征提取中具有一定的优势。 流形学习方法是近期提出来的一种能够有效检测高维数据内在本质的机器 学习方法，在子空间特征提取方法中引入流形学习方法是人脸识别技术发展的趋 势之一。 本文基于流形学习方法与线性子空间方法的研究，将二者进行结合，设计实 现了一种新的人脸识别算法：局部最大间距线性判别嵌入（LMMLDE）。该方法 利用改进的最大间距准则（MMC）对正交邻域保持投影（ONPP）进行了改进， 从而在保持低维流形结构基础上增加了样本的分类能力。实验结果表明，采用该 方法得到的识别率具有明显的提高。 关键词：人脸识别 特征提取 线性特征子空间 流形学习 ABSTRACT Face recognition is one of the challenging subjects in the areas of computer vision, image processing and pattern recognition, which has a wide range of potential applications information security, criminal detection and video surveillance. Although it is easy for most human observers to identify different human faces, automatic face recognition is a very difficult problem. This dissertation presents the studies of recognition methods based on face images, focusing on the feature extraction and the design methods of classifier. Subspace analysis is one of the most popular methods of feature extraction. We will introduce various linear subspace analysis methods and their applications in face recognition. By comparing these subspace analysis methods in theory and experiment results, we find that linear discriminant analysis is more suitable for face feature extraction. Manifold learning method is a newly proposed machine learning method,