基于子空间的人脸识别算法研究

论文摘要

本文从人脸图像特征提取的角度,对基于子空间的人脸识别算法进行了讨论分析,提出了新算法。1.将用于线性回归的偏最小二乘算法（PLS）和分类偏最小二乘算法（CPLS）用于人脸识别,同时将规范主元分析算法（CCA）用于人脸识别。并分析了它们与Fisher算法、PCA算法的本质联系。2.基于核函数的鉴别矢量集人脸识别算法研究。利用支持向量机中核映射的概念,提出了基于核的无相关鉴别矢量集算法（KUFDA）以及改进的基于核的无相关鉴别矢量集算法（MKUFDA）。由于以上两种算法求取的鉴别矢量集是不正交的,使得由鉴别矢量集张成的空间和原空间存在尺度上的变化,由此提出了基于核的全局正交Foley-Sammon鉴别矢量集算法（KGOFS）。3.基于图像矩阵的鉴别矢量集人脸识别算法研究。在基于图像矩阵的数据表示模型的基础上,提出了基于图像矩阵的Fisher鉴别矢量集算法（IMFDA）。同时亦给出了非迭代的基于图像矩阵的低秩分解算法（AGLRAM）和非迭代的基于图像矩阵的双线性Fisher鉴别矢量集算法（ATDLDA）。

论文目录

• 第一章 绪论
• 1.1 概述
• 1.2 图像识别
• 1.2.1 模式识别技术
• 1.2.2 图像的表示
• 1.2.3 图像识别算法
• 1.3 计算机人脸识别技术
• 1.3.1 人脸识别系统的组成
• 1.3.2 人脸识别的子空间算法
• 1.4 计算机人脸识别算法的性能评价指标
• 1.5 国内外研究现状及发展趋势
• 1.6 论文的主要工作
• 第二章 线性判别分析
• 2.1 引言
• 2.2 基于主元素分析的鉴别矢量集算法（PCA）
• 2.3 基于Fisher 准则的鉴别矢量集算法（FDA）
• 2.4 基于规范主元分析的鉴别矢量集算法（CCA）
• 2.5 基于偏最小二乘的鉴别矢量集算法（PLS）
• 2.5.1 偏最小二乘的原始形式（PLS）
• 2.5.2 偏最小二乘的分类形式（CPLS）
• 2.6 几种算法的联系
• 2.7 实验结果
• 2.8 本章小结
• 第三章 基于核映射的识别算法
• 3.1 引言
• 3.2 基于核的无相关鉴别矢量集算法（KUFDA）
• 3.2.1 求解特征空间的无相关空间
• t^Φ和S_b^Φ映射到特征空间的无相关空间'>3.2.2 S_t^Φ和S_b^Φ映射到特征空间的无相关空间
• 3.2.3 训练样本和测试样本映射到特征空间的无相关空间
• 3.3 改进的基于核的无相关鉴别矢量集算法（MKUFDA）
• 3.4 基于核的全局正交Foley-Sammon 鉴别矢量集算法（KGOFS）
• 3.4.1 求解特征空间的正交空间
• t^Φ和S_b^Φ映射到特征空间的正交空间'>3.4.2 S_t^Φ和S_b^Φ映射到特征空间的正交空间
• 3.5 实验结果
• 3.6 本章小节
• 附录
• 第四章 基于图像矩阵的识别算法
• 4.1 引言
• 4.2 基于图像矩阵的主元素分析算法（IMPCA）
• 4.3 基于图像矩阵的Fisher 鉴别矢量集算法（IMFDA）
• 4.4 非迭代的基于图像矩阵的低秩分解算法（AGLRAM）
• 4.4.1 基于图像矩阵的低秩分解算法（GLRAM）
• 4.4.2 非迭代的基于图像矩阵的低秩分解算法（AGLRAM）
• 4.5 非迭代的基于图像矩阵的双线性Fisher 鉴别矢量集算法（ATDLDA）
• 4.5.1 基于图像矩阵的双线性Fisher 鉴别矢量集算法（TDLDA）
• 4.5.2 非迭代的基于图像矩阵的双线性Fisher 鉴别矢量集算法（ATDLDA）
• 4.6 实验结果
• 4.7 本章小结
• 第五章 人脸识别算法性能比较分析及展望
• 5.1 人脸识别算法性能比较分析
• 5.2 将来的研究方向
• 参考文献
• 攻读博士期间发表的学术论文及其它成果
• 致谢
• 摘要
• Abstract