二维特征提取方法研究

论文摘要

人脸识别技术是生物特征识别技术的一个重要分支,特征提取是人脸识别中的一个重要方面,特征提取的好坏直接关系到人脸识别的最终效果。传统的特征提取主要关注于一维特征提取的研究,本文在已有二维特征提取方法的基础上,重点研究了二维特征融合算法和二维表示的稀疏保持投影算法,主要工作如下:(1)在二维局部保持投影算法和二维线性鉴别分析算法的基础上,利用典型相关分析的相关理论,本文将两种二维算法提出的特征集进行融合,提出了新的融合方法即2DCLPP算法,并在此基础上做了一定的改进。(2)在稀疏保持投影的基础上,将其扩展到二维特征提取领域,本文提出了二维表示的稀疏保持投影算法即2DSPP算法,该算法可以有效地提取特征和解决协方差矩阵奇异问题;此外,在2DSPP算法中,首先必须对图片进行二维稀疏表示,本文证明了二维稀疏表示系数和一维稀疏表示系数的一致性,从而将问题转化为求较为容易的一维稀疏表示系数。最后,本文分别在ORL人脸库,AR人脸库及Extended Yale人脸库上验证了2DCLPP算法和2DSPP算法的有效性。实验表明,2DCLPP是一种有效的特征融合办法,提取到的特征可以有效地用于分类;2DSPP是一种有效的二维特征提取方法,可以取得较好的识别效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 生物特征识别技术概述
• 1.2 人脸识别研究的概述
• 1.2.1 人脸识别的优势
• 1.2.2 人脸识别系统的组成
• 1.3 本文的主要研究工作
• 1.4 本文结构
• 第二章 几种典型的人脸特征提取方法
• 2.1 K-L 变换
• 2.2 主成分分析
• 2.3 线性鉴别分析
• 2.4 局部保持投影
• 第三章 典型的二维特征提取算法
• 3.1 二维主成分分析
• 3.2 二维线性鉴别分析
• 3.3 二维局部保持投影
• 3.4 2DPCA/PCA 及2DLDA/LDA 的关系
• 第四章 基于典型相关分析的二维特征融合算法
• 4.1 研究背景
• 4.2 典型相关分析理论
• 4.3 基于典型相关分析的2DCLPP 算法及改进
• 4.3.1 二维特征融合的背景
• 4.3.2 基于典型相关分析的2DCLPP 算法
• 4.4 本章小结
• 第五章 二维表示的稀疏保持投影算法及应用
• 5.1 研究背景
• 5.2 图像的稀疏表示理论
• 5.3 基于二维表示的稀疏保持投影算法
• 5.4 本章小结
• 第六章 实验结果与分析
• 6.1 实验软硬件环境及数据库介绍
• 6.2 基于典型相关特征融合的2DCLPP 算法实验
• 6.2.1 ORL 人脸库上的实验
• 6.2.2 EXTENDED YALE 人脸库上的实验
• 6.3 二维表示的稀疏保持投影算法实验
• 6.3.1 AR 人脸库上的实验
• 6.3.2 EXTENDED YALE 人脸库上的实验
• 6.4 本章小节
• 第七章 总结与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文