資源描述：
《像矩陣判別局部保持投影的人臉識(shí)別》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、萬方數(shù)據(jù)ComputerEngineeringandApplications計(jì)算機(jī)工程與應(yīng)用2010，46(16)191基于圖像矩陣判別局部保持投影的人臉識(shí)別王國強(qiáng)1．2，石念峰t．3，歐宗瑛2WANGGuo_qiangl,2,SHINian-fengm,OUZong-yinb乒1．洛陽理工學(xué)院計(jì)算機(jī)與信息工程系，河南洛陽4710232．大連理工大學(xué)機(jī)械工程學(xué)院CAD&網(wǎng)絡(luò)研究所，遼寧大連1160243．中國科學(xué)院計(jì)算技術(shù)研究所，北京1000801．DepartmentofandInformationEngineering，LuoyangInstituteof
2、ScienceandTechnology,Luoyang，Henan471023，China2．InstituteofCAD&NetworkTecE，SchoolofMechanicalEngineering，DalianUniversityofTechnology，Dalian，Liaoning116024，China3．InstituteofComputingTechnology，ChineseAcademyofSciences。Beijing100080，ChinaWANGGuo-qiang．SHINian-feng．OUZong-ying．Facere
3、cognitionbasedoni玎l(xiāng)agematrixdiscHnflnantlocalitypreserv-lngprojectiongComputerEngineeringandApplications．2010。46(16)：191-196．Abstract：AnewfacerecognitionmethodbasedonImageMatrixDiscriminantLocMityPreservingProjections(IMDLPP)isp驢p08ed．BasedonLocMityPreservingProjections(LPP)，IMDLPPt
4、akesintoaccounttlleclasslabelinformation，andaddsbetween—classscatterconstraintintotheobjectivefunction．Inaddition，IMDLPPworksdirectlywithoriginalimagematriceswhichdonotneedtobeconvertedintovectors，keepsthespatialpositioninformationofpixelinfaceimage，andavoidsthesingularproblemTheexp
5、erimentalresultsindicatetheeffectivenessoftheproposedmethod．Keywords：localitypreservingpmjections；imagematrixdiscriminantlocalitypreservingprojectiom；manifoldlearning；facerocognition摘要：提出一種基于圖像矩陣判別局部保持投影的人臉識(shí)別方法。圖像矩陣判別局部保持投影是在局部保持投影基礎(chǔ)上進(jìn)行了擴(kuò)展，考慮了類標(biāo)簽信息并在其目標(biāo)函數(shù)中增加類間散度約束，使得求解的特征更具判別性。另外，圖像
6、矩陣判別局部保持投影是直接處理圖像矩陣而不需要將矩陣轉(zhuǎn)化為向量，保留了像素間的空間位置關(guān)系，避免了奇異性問題。實(shí)驗(yàn)結(jié)果表明該方法是有效的。關(guān)鍵詞：局部保持投影；圖像矩陣判另I】局部保持投影；流形學(xué)習(xí)；人臉識(shí)另1lDOI：10．3778／j。issn．1002—8331．2010．16．056文章編號(hào)：1002-8331(2010)16—0191-06文獻(xiàn)標(biāo)識(shí)碼：A中圖分類號(hào)：TP391．4l引言人臉識(shí)別由于其在身份認(rèn)證、監(jiān)控、人機(jī)交互等方面廣泛潛在的應(yīng)用，一直是模式識(shí)別、圖像處理以及計(jì)算機(jī)視覺等領(lǐng)域的研究熱點(diǎn)【1】。經(jīng)過多年的研究，人臉識(shí)別取得了很大進(jìn)展。在諸
7、多的人臉識(shí)別算法中，子空間分析方法成為當(dāng)前的主流方法。其中最流行的子空間分析方法是主成分分析(PCA)呀口線性判別分析(LDA)圈。盡管這兩種方法在人臉識(shí)別中獲得成功的應(yīng)用，但它們都是假定人臉樣本圖像位于線性嵌入流形上，并且目標(biāo)是保持圖像空間的全局歐氏結(jié)構(gòu)。人臉圖像由于受外在和內(nèi)在因素影響，諸如臉部表情、光照、臉部姿態(tài)(或照相機(jī)視角)以及人臉形狀和皮膚的反射特性，人臉圖像可能位于非線性流形上M。最近流形學(xué)習(xí)引起人們的關(guān)注。一些算法，例如等度規(guī)映射(IsometricalMapping，ISOMAP)[41，局部線性嵌入(LocallyLinearEmbeddi
8、ng，LLE)?，拉普拉斯特征映射(L
