幾種有效的特征提取算法的研究.pdf

1、人臉識(shí)別技術(shù)是計(jì)算機(jī)模式識(shí)別領(lǐng)域非常活躍的研究課題，在法律、商業(yè)、安全系統(tǒng)等領(lǐng)域有著廣泛的應(yīng)用。由于人臉圖像的特殊性，人臉識(shí)別問(wèn)題也是模式識(shí)別領(lǐng)域的一個(gè)相當(dāng)難的問(wèn)題，要使這一技術(shù)完全成熟還有很多工作需要去做。隨著社會(huì)的發(fā)展與技術(shù)的進(jìn)步，人臉識(shí)別技術(shù)的應(yīng)用必然會(huì)越來(lái)越廣泛。
　　人臉識(shí)別系統(tǒng)是一種基于信息處理的模式識(shí)別系統(tǒng)。它主要包括兩大部分：特征提取部分與模式識(shí)別部分。特征提取部分是要從人臉圖像中提取可以用來(lái)區(qū)分不同人的人臉圖像的

2、特征信息，后半部分的作用是對(duì)于從前半部分提取的特征信息進(jìn)行分類(lèi)，整個(gè)系統(tǒng)的識(shí)別率由這兩部分共同決定。
　　對(duì)于特征提取部分，本文采用的是統(tǒng)計(jì)模式識(shí)別方法中的基于二階矩和高階矩的方法。本文系統(tǒng)地介紹了目前經(jīng)典地人臉識(shí)別算法，包括傳統(tǒng)PCA方法和Fisher臉?lè)椒?，以及基于核的模式識(shí)別方法以及直接基于圖像的二維PCA和二維LDA。
　　以前的方法沒(méi)有考慮到訓(xùn)練樣本的質(zhì)量問(wèn)題，如果訓(xùn)練樣本存在誤差，那么將會(huì)誤導(dǎo)分類(lèi)器的訓(xùn)練，形成不

3、佳的投影方向，受Fisher基本思想的啟發(fā)，本文提出一種對(duì)訓(xùn)練樣本進(jìn)行調(diào)節(jié)以減少訓(xùn)練誤差的方法。
　　人臉識(shí)別是一種小樣本的模式識(shí)別，如何利用有限的樣本，生成一些新的樣本，提取更多的特征是需要解決的一個(gè)問(wèn)題。本文提出一種樣本生成的方法使分類(lèi)器得到足夠的訓(xùn)練。實(shí)驗(yàn)證明，該方法在樣本數(shù)少的時(shí)候，非常有效。
　　在利用Fisher臉進(jìn)行識(shí)別的時(shí)候，必然會(huì)遇到類(lèi)內(nèi)散布矩陣奇異的情況，這時(shí)候Fisher方法發(fā)揮不了作用，本文從分析擾動(dòng)