基于典型相关分析的鉴别特征抽取方法研究

论文摘要

人脸识别技术是计算机模式识别领域非常活跃的研究课题,而特征抽取是人脸识别中最基本的问题之一,因此能否抽取人脸图像有效的鉴别特征也成为人脸识别技术的关键问题。典型相关分析方法是一种新的特征融合方法,它将两组特征向量融合成一组更具有鉴别力的特征向量。本文主要研究了将典型相关分析方法应用到特征抽取过程中形成了以特征融合为基础的几种组合特征抽取方法,并提出了一种典型相关分析改进算法。本文以基于代数特征的方法为着眼点,对基于典型相关分析的特征抽取方法进行了一定的研究。主要工作和贡献如下:针对传统的典型相关分析在人脸识别应用中不能充分利用图像中的类别信息的问题,文本提出了一种融合典型相关分析与最大散度差的特征抽取方法。首先利用典型相关分析方法实现了特征信息的融合,有效地消除了特征之间的信息冗余。然后,通过采用最大散度差鉴别分析方法将训练样本中的类别信息加以充分的利用,从而有效的提高了人脸识别的正确率。该方法不仅有效地融合两组人脸图像特征向量同时充分利用到其中蕴含的类别信息,这样较大地提高了人脸识别的正确率。在ORL标准人脸库和Yale人脸库上的实验结果验证了该算法的有效性。传统fisher准则函数与最大散度差均属于线性鉴别分析方法,具有相同的物理意义及相似的特征抽取过程,但是由于两者采用了不同的准则函数,其抽取的特征向量反映了人脸图像中不同侧面的鉴别信息。本文提出了一种增强性的线性鉴别分析方法。该方法首先通过fisher准则函数与最大散度差分析方法抽取两组特征向量,然后采用典型相关分析方法完成特征融合该方法不仅融合了两组线性鉴别信息,而且消除了两类特征之间的信息冗余,较大地提高了识别率。最后,在ORL标准人脸库和Yale人脸库上的实验结果验证了该算法的有效性。传统的典型相关分析准则函数在界定同组特征集中各元素之间不相关时易出现保证函数分母中乘积最小却不能符合典型相关分析方法工作目的的问题。为解决这一问题,本文提出了一种改进的典型相关分析方法,对典型相关准则函数分母部分进行修正,对该方法进行推导得到投影矫正系数,该系数对两组特征集特征方程进行调整,保证两组特征集同时达到最佳。该方法有效地改善了融合效果、提高了人脸识别的正确率。标准人脸库上的实验结果表明该方法的有效性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 概述
• 1.2 线性投影分析方法简述
• 1.2.1 主分量分析方法概述
• 1.2.2 Fisher 线性鉴别分析的研究与改进
• 1.3 二维图像投影理论的发展
• 1.4 人脸识别中非线性特征抽取的研究与发展
• 1.5 特征融合技术的发展及其应用现状
• 1.5.1 特征融合技术的基本思想
• 1.5.2 基于典型相关的特征融合方法及其应用
• 1.6 本文主要研究工作概述
• 1.7 本文的内容安排
• 第二章 典型相关分析方法概述及其应用
• 2.1 典型相关分析的工作目标
• 2.2 典型相关分析的计算方法
• 2.3 典型相关分析的基本性质
• 2.3.1 典型成分的直交性
• 2.3.2 相关系数之间的比例关系
• 2.3.3 相关系数矩阵的分解与重构
• 2.4 典型相关分析的辅助技术
• 2.4.1 组间相关关系的结构分析
• 2.4.2 典型相关系数的显著性检验
• 2.4.3 典型成分的命名
• 2.5 典型相关分析的具体应用
• 第三章 组合特征抽取方法及其在人脸识别中的应用
• 3.1 典型相关分析的基本思想
• 3.2 组合特征抽取的原理与算法
• 3.3 组合特征抽取的算法步骤
• 3.4 高维小样本情况下的组合特征抽取方法
• 3.4.1 算法与理论
• 3.4.2 算法分析
• 3.5 融合最大散度差的组合特征抽取方法
• 3.5.1 组合特征抽取具体步骤
• 3.5.2 实验结果分析
• 3.6 本章小结
• 第四章 基于典型相关分析的增强线性鉴别分析方法
• 4.1 线性鉴别分析的理论与算法
• 4.1.1 线性鉴别分析的基本思想
• 4.1.2 最大散度差线性鉴别准则
• 4.2 增强线性特征向量的提取过程
• 4.3 实验结果与分析
• 4.4 本章小结
• 第五章 典型相关分析的改进算法及其应用
• 5.1 问题的提出及解决方法
• 5.1.1 典型相关分析准则函数及存在的问题
• 5.1.2 典型相关分析方法的改进原理分析
• 5.1.3 算法分析
• 5.2 实验结果与分析
• 5.2.1 实验方案
• 5.2.2 在ORL 人脸数据库的实验
• 5.2.3 在Yale 人脸数据库的实验
• 5.3 本章结论
• 第六章 结束语
• 参考文献
• 致谢
• 攻读硕士期间发表或被录用的论文