基于改进的稀疏保留投影人脸识别算法研究

摘要

模式识别领域对于样本分类判别准则很多，近期运用比较多的是将原始数据样本的稀疏重构关系保持到投影变换后的样本空间中去，从而增加分类的准确性。稀疏保留投影（SPP）就是基于该思想发展起来的典型算法，但算法存在的不足点在于稀疏保留投影算法（SPP）在寻找能够最佳保持原始样本空间中的稀疏结构的最佳投影变换时，是从原始样本全局角度进行考虑，然而一般图像数据样本呈现出的一般是全局非线性而局部线性的样本空间结构，也就是原始图像样本往往是处在一个高维空间中的低维流形结构中，基于以上分析的不足之处考虑，本文主要研究点如下：
　　通过稀疏保留投影算法获取的投影变换向量组是非正交形式的，从图像样本本身的非线性结构出发，投影变换向量呈现正交性将有利于算法识别率的提高，同时原始图像样本结构呈现线性可分性时对于图像的分类准确性也有很大的提高作用，从这两点出发，提出基于核正交的稀疏保留投影算法（KOSPP），该算法主要是通过核函数将原始样本投影到高维核空间实现样本的线性可分性之后，同时在SPP算法中引入正交性获取正交的投影变换向量组，从而提高算法的鉴别能力。
　　上述方法从投影变换向量组以及样本结构本身出发，改进了投影变换向量的正交性同时实现样本结构的线性可分，但上述方法仍然是从样本全局角度出发，考虑到原始图像样本的空间分布情况，一般情况下，对于原始样本的低维流行结构进行保持将有利于算法识别率的提高，所以我们通过引入近邻信息图矩阵来保留近邻信息，提出基于局部近邻信息融合的稀疏保留投影算法（LNIFSPP）。
　　以上两个算法都是基于无监督领域下的，然而有监督算法将样本的类标签运用到识别中去将能够提高算法的识别率，同时考虑投影变换正交性以及原始样本可分性以及局部近邻信息保留的基础上，我们将上述两方法有机结合，同时将样本类别标签信息融入到所提方法中去，提出基于有监督局部近邻信息的核正交稀疏保留投影算法（LNIKOSPD）。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1课题研究背景及意义

1.2主要用于身份鉴别的生物特征描述

1.3基于子空间特征提取方法概述

1.4本文工作概述及章节安排

第二章 相关方法介绍

2.1子空间相关算法

2.2稀疏表示相关技术

2.3流形学习相关技术

2.4核函数相关介绍

2.5本章小结

第三章 基于核正交稀疏保留投影方法

3.1方法基础思路

3.2稀疏保留投影算法

3.3基于核正交稀疏保留投影算法

3.4实验分析

3.5本章小结

第四章 基于局部近邻信息融合的稀疏保留投影方法

4.1方法基础思路

4.2流形学习算法

4.3基于局部近邻信息融合的稀疏保留投影数学模型

4.4实验分析

4.5本章小结

第五章 基于监督局部近邻信息融合的核正交稀疏保留鉴别

5.1方法基础思路

5.2有监督流形学习算法

5.3基于监督局部近邻信息融合的核正交稀疏保留鉴别分析

5.4实验分析

5.5本章小结

第六章 总结与展望

6.1本文工作总结

6.2工作展望

参考文献

附录1 攻读硕士学位期间撰写的论文

致谢