基于核的非線性特征抽取與人臉識別方法研究.pdf

1、特征抽取是人臉識別領(lǐng)域的關(guān)鍵問題，抽取有效的特征信息對提高識別效果有重要意義。本文對基于核的非線性特征抽取方法進(jìn)行了深入研究，進(jìn)而提出了一些特征提取的新算法，并在人臉識別問題上驗證了有效性。本文的主要研究及創(chuàng)新工作如下： （1）核主成分分析作為主成分分析的非線性推廣，能有效提取人臉的非線性特征，但無法利用樣本的類別信息。本文深入分析了融合類別信息的核主成分分析方法，并針對相應(yīng)的特征對最近鄰分類器進(jìn)行改造。在Iris和人臉庫上的仿

2、真實驗證明與理論分析相吻合，也驗證了本文對分類器改進(jìn)的合理性。 （2）核Fisher鑒別分析和核最大間距準(zhǔn)則作為有效的非線性特征抽取方法，已被廣泛研究并證實適合于人臉識別問題。本文在深入分析這兩種特征抽取方法理論本質(zhì)的基礎(chǔ)上，結(jié)合同類樣本的局部幾何信息，提出了局部距離核最大間距準(zhǔn)則的特征抽取方法。這種方法的特點(diǎn)是充分利用了訓(xùn)練樣本的局部距離信息和類別信息，抽取出了更有利于分類的非線性特征。 （3）核典型相關(guān)分析基于核考察

3、了兩組變量之間的相關(guān)關(guān)系，核廣義典型相關(guān)分析和核鑒別典型相關(guān)分析對其進(jìn)行了優(yōu)化，但都有一定的局限性。為解決較為復(fù)雜的線性不可分問題（如人臉識別），本文提出了核廣義鑒別典型相關(guān)分析，不僅引入類信息，還充分考慮了樣本之間的相關(guān)關(guān)系對其分類的影響，在人臉庫上的實驗表明了此方法的識別性能有所提高。 （4）最后，本文提出了局部距離鑒別典型相關(guān)分析（Local DCCA），通過構(gòu)造同類樣本的距離矩陣，使類間相關(guān)矩陣極大，同時類內(nèi)相關(guān)矩陣極小