论文摘要
人脸识别中,通常可得到的样本数远小于人脸图像样本的维数,此问题称为人脸识别的小样本问题。小样本问题导致基于Fisher鉴别分析的人脸图像特征抽取存在病态问题,并且使用较少的样本难以获得推广性较好的识别性能。本文针对小样本条件下的人脸图像特征抽取和识别存在的困难,分别提出了几种解决方法,主要内容如下:1.提出了基于核主分量分析(KPCA)和最佳鉴别独立分量分析的人脸特征抽取方法,从三个方面对ICA方法进行了改进:首先,利用KPCA将人脸映射到特征空间得到核主分量,对核主分量进行ICA得到间接的非线性独立分量分析方法,降低了ICA对高维人脸图像样本的计算复杂度,并使算法更容易收敛;其次,定义Fisher鉴别信息作为选取最佳鉴别独立分量的准则;最后,提出了一种用最佳鉴别独立分量表示待识别样本的方法,克服了用直接投影所得待识别样本特征不准确的问题。实验结果显示此方法可获得优于Fisherface的识别性能。2.研究了典型相关分析(CCA)和Fisher线性鉴别分析(FLDA)的等价性,利用CCA求解最佳Fisher鉴别特征,避免了FLDA和KFDA由小样本导致的病态奇异问题。首先对此等价性给出一个简洁的证明,其次提出了三种基于CCA的人脸图像线性和非线性特征抽取方法:(1)首先利用PCA将样本降维到总散度阵的秩空间中,然后进行CCA,使在没有丢失任何鉴别信息的条件下得到线性Fisher最佳鉴别特征;(2)利用KPCA将高维人脸图像样本映射到特征空间得到核主分量,然后对核主分量进行CCA。由于KPCA+FLDA等价于KFDA,因此提出的KPCA+CCA方法可得到等价于KFDA的非线性最佳Fisher鉴别特征。(3)直接将CCA方法推广为可用于鉴别分析的KCCA方法,得到同样等价于KFDA的非线性最佳Fisher鉴别特征抽取方法。实验结果表明,提出的3种方法所得特征优于Fisherface和KPCA+LDA抽取的线性和非线性Fisher鉴别特征。3.提出了基于核鉴别共同矢量(KDCV)的非线性Fisher最佳鉴别特征抽取方法。利用特征空间中的正交化过程,将DCV推广为KDCV,将在特征空间的两次Gram-Schmidt正交化过程转化为只需计算两个核矩阵和一次Cholesky分解,得到了数值稳定性较好的Fisher非线性最佳鉴别特征抽取方法。实验结果表明KDCV方法得到的非线性鉴别特征有更好的类可分性。4.将最近特征分类器和核方法相结合,得到了基于核的最近特征线、特征面和特征子空间方法,可直接对高维人脸图像样本识别,而无需预先抽取人脸图像特征,使在总样本数较多,特征抽取在计算上难以实现的情况下也能直接识别。其中对核最近特征子空间提出了两种计算方法:一是核最近特征面的直接推广;二利用核主分量分析对每个类别求解非线性主分量矢量,用其构成表征该类别的非线性特征子空间。为解决所得核最近特征线和特征面方法计算量大和可能失效的问题,进一步提出了(核)最近特征重心和(核)最近邻特征方法,前者降低了计算特征线距离和特征面距离的计算复杂度,后者减少了所需计算特征线数和特征面的数目,两种方法均能解决特征线和特征面方法可能失效的问题。最后将两者结合得到的
论文目录
相关论文文献
- [1].基于语义特征抽取的文本聚类研究[J]. 计算机技术与发展 2020(03)
- [2].核特征抽取的反馈神经网络的探索及应用[J]. 合肥工业大学学报(自然科学版) 2008(03)
- [3].视频主对象特征抽取与分类挖掘研究[J]. 现代图书情报技术 2013(10)
- [4].改进的TF-IDF模型在特征抽取中的应用[J]. 工业控制计算机 2014(02)
- [5].图书评论特征抽取研究综述[J]. 现代情报 2019(09)
- [6].问答系统中特征提取方法研究[J]. 电脑知识与技术 2018(13)
- [7].基于二维对称主成分分析的人脸识别[J]. 仪器仪表学报 2008(06)
- [8].基于改进LDA特征抽取的重大事件趋势预测[J]. 杭州电子科技大学学报(自然科学版) 2020(02)
- [9].基于改进TF-IDF-CHI算法的农业科技文献文本特征抽取[J]. 数字图书馆论坛 2019(08)
- [10].基于主要特征抽取的重现概念漂移处理算法[J]. 数据采集与处理 2016(02)
- [11].基于弱监督学习的产品特征抽取[J]. 计算机工程 2009(13)
- [12].基于分布式模式识别框架研究方法[J]. 山东农业大学学报(自然科学版) 2020(02)
- [13].基于卷积模型的农业问答语性特征抽取分析[J]. 农业机械学报 2018(12)
- [14].基于表示学习的跨模态检索模型与特征抽取研究综述[J]. 情报学报 2018(04)
- [15].基于无监督学习的产品特征抽取[J]. 计算机工程与应用 2012(10)
- [16].基于在线评论词向量表征的产品属性提取[J]. 系统工程学报 2018(05)
- [17].基于深度学习的管道环焊缝目标检测方法[J]. 自动化与仪器仪表 2020(09)
- [18].基于深度学习MPCANet的年龄估计[J]. 南京师大学报(自然科学版) 2017(01)
- [19].正则化双阶线性稀疏编码在人脸识别中的应用[J]. 计算机应用与软件 2014(11)
- [20].改进的HMM模型在特征抽取上的应用[J]. 计算机测量与控制 2018(04)
- [21].基于自注意力模型的企业关系抽取[J]. 电子测量技术 2020(10)
- [22].一种基于特征抽取的文档信息过滤算法研究[J]. 现代图书情报技术 2008(04)
- [23].最大似然稀疏编码在人脸识别中的研究[J]. 电视技术 2013(23)
- [24].基于空间特性的弹道特征抽取[J]. 飞行器测控学报 2012(02)
- [25].基于LDA-WO混合模型的微博话题有序特征抽取研究[J]. 情报科学 2017(07)
- [26].一种面向e-Science环境的多领域Web文本特征抽取模型[J]. 小型微型计算机系统 2011(01)
- [27].基于深度学习的农作物病害检测[J]. 江苏大学学报(自然科学版) 2019(02)
- [28].分块重排向量二维局部保持鉴别方法在人脸识别中的应用[J]. 伊犁师范学院学报(自然科学版) 2018(02)
- [29].中文网络评论中提取产品特征的研究[J]. 计算机系统应用 2014(05)
- [30].基于多特征抽取的商标图像检索[J]. 计算机工程与应用 2008(18)
标签:人脸识别论文; 小样本问题论文; 核方法论文; 独立分量分析论文; 典型相关分析论文; 核鉴别共同矢量论文; 最近特征分类器论文; 矩阵空间论文;