面向人臉識別的快速特征提取與稀疏表示方法研究.pdf

1、中山大學博士學位論文面向人臉識別的快速特征提取與稀疏表示方法研究姓名：任傳賢申請學位級別：博士專業(yè)：應用數(shù)學指導教師：戴道清20100528中山大學博士學位論文適的投影個數(shù)。在人臉識別與圖像分類問題上的實驗結果表明，雙向Lanczos成分方法僅僅使用較少的Lanczos向量來實現(xiàn)降維和特征提取，因而是十分高效的，不僅得到了高于其他主要方法的識別率，而且在計算時間上有了明顯的改進。壓縮感知(CS)理論與稀疏表示(SR)方法近來得到快速發(fā)展

2、并受到了許多學者的推崇。壓縮感知理論一經(jīng)提出，就在信息論、信號／圖像處理、模式識別、無線通信等領域受到高度莢注，并被美國科技評論評為2007年度十大科技進展。目前CS理淪的研究尚屬于起步階段，但已表現(xiàn)出強大的生命力，并成為數(shù)學領域和工程應用領域的一大研究熱點。JWright等人將稀疏表示方法引入到人臉識別領域中，不僅進一步拓廣了壓縮感知的應用空間，而且讓人們對人臉識別產(chǎn)生了更高層次的新認識。與傳統(tǒng)的判別方法相比，壓縮感知方法不僅能夠避免

3、廣義特征值分解帶來的復雜計算與奇異問題，而且有效地提高了算法的泛化能力。然而，我們在實驗仿真過程中發(fā)現(xiàn)，當訓練樣本較少時，先通過隨機投影降維，然后使用稀疏表示方法分類，相應的識別效果反而不如傳統(tǒng)的線性判別方法或流形學習方法。因而，進一步提高特征的冗余性與組合系數(shù)的稀疏性，就顯得十分必要。彈性網(wǎng)理論是最近統(tǒng)計學和生物信息學領域發(fā)展起來的模型選擇方法，它是對傳統(tǒng)的L2理論的新發(fā)展，采用三l懲罰與三2懲罰相結合，可以用來保持系統(tǒng)的穩(wěn)定性能。我

4、們將彈性網(wǎng)正則化方法應用于稀疏表示模型，得到了比原方法更加稀疏的表示和更加穩(wěn)定的結果，同時得到了更高的人臉識別率。假設數(shù)據(jù)是均勻采樣于一個高維歐氏空間中的低維流形，流形學習(Manifoldlearning)就是從高維采樣數(shù)據(jù)中恢復低維流形結構，即找到高維空間中的低維流形，并求出相應的嵌入映射，以實現(xiàn)維數(shù)約簡或者數(shù)據(jù)可視化。由此，我們可以通過線性關系來刻畫這些對象的局部近鄰結構。正交近鄰保持投影方法(ONPP)構造出近鄰圖來對數(shù)據(jù)拓撲結