基于最大线性片划分的局部切空间排列算法及在多姿态人耳识别中的应用

摘要

局部切空间排列算法（LTSA）是一种学习高维观测数据集所在低维流形的有效的非线性降维工具，然而存在的一些问题影响了它的进一步应用。本文分析了LTSA用于图像识别时需要解决的问题，有针对性地提出了一种基于最大线性片划分的局部切空间排列算法(MLPPLTSA)。首先提出最大线性片（MLP）的概念及划分策略，把数据集划分成多个相互重叠的最大线性片，然后对这些线性子集作局部主成分分析得到局部坐标，再通过最大线性片之间相互重叠的较少量的样本点引导建立所有样本点的整体坐标。这样不但避免了LTSA在求取整体坐标时大规模特征值分解的问题，新来的样本点也可以直接通过线性变换得到整体低维嵌入坐标。本文将其用于多姿态人耳图像的特征提取。实验结果表明这种算法更加适用于图像识别的任务。