基于Gabor變換與流形學(xué)習(xí)理論的人臉識(shí)別算法.pdf

1、近年來，流形學(xué)習(xí)作為一種新的維數(shù)約簡(jiǎn)方法開始受到極大關(guān)注。流形學(xué)習(xí)假設(shè)數(shù)據(jù)分布在一個(gè)低維流形上，算法試圖通過保持?jǐn)?shù)據(jù)的局部幾何結(jié)構(gòu)將原始的高維數(shù)據(jù)嵌入到低維子流形中，本文介紹了幾種具有代表性的流形學(xué)習(xí)算法，如 Isomap、LLE、LE、LTSA及LSDA等，并著重介紹流形學(xué)習(xí)在人臉識(shí)別中的應(yīng)用。
　　 人臉識(shí)別是計(jì)算機(jī)模式識(shí)別研究的重要領(lǐng)域。雖然，人類能夠很容易地識(shí)別人臉，但對(duì)機(jī)器來說，仍是一件困難的事。在人臉識(shí)別領(lǐng)域，Gab

2、or小波由于其核函數(shù)同哺乳動(dòng)物簡(jiǎn)單細(xì)胞的感受野剖面類似，且能達(dá)到測(cè)不準(zhǔn)原理的最小值，具有最佳的時(shí)頻分辨率，故其在圖像的特征提取方面有著很大的優(yōu)勢(shì)。故本文研究了基于Gabor濾波和流形學(xué)習(xí)算法的人臉識(shí)別方法，主要工作如下：
　　 首先，由于Gabor濾波器組能夠提取人臉圖像的多分辨率特征，先利用Gabor濾波器組從不同方向和尺度下提取圖像的特征，經(jīng)過采樣、排列得到一個(gè)特征組合向量，由于Gabor濾波后的特征向量維數(shù)是非常高的，不易

3、于識(shí)別，故利用流形學(xué)習(xí)算法將高維特征向量進(jìn)行降維，得到低維特征子空間，再利用分類器進(jìn)行分類識(shí)別。依據(jù)這個(gè)思想，在本文中，我們介紹了一種新的將局部敏感判別算法運(yùn)用于Gabor特征向量的GLSDA算法。在ORL和Yale數(shù)據(jù)庫(kù)上進(jìn)行了人臉識(shí)別實(shí)驗(yàn)，具體的實(shí)驗(yàn)結(jié)果表明：該算法的識(shí)別率高于其他常用的人臉識(shí)別算法。
　　 其次，考慮到局部敏感算法是監(jiān)督的學(xué)習(xí)方法，對(duì)于樣本類別未知的情況下，將不再實(shí)用。于是，我們提出將Gabor濾波與無監(jiān)督