论文部分内容阅读
人脸识别因其直接、友好、非侵犯性等特点成为当前生物特征识的焦点。但是人脸图像维数很高,并且需要较大的空间进行信息存储,因此人脸特征提取就显得非常重要。特征提取就是抽取人脸图像本身具有最大鉴别能力的特征,利用提取到的鉴别特征进行识别。本文对特征提取算法中的典型LPP算法及其改进算法进行了研究。LPP算法是一种无监督的针对1维向量的特征提取方法,转化过程中会出现“小样本”和维数过高的问题。SLPP算法和2DLPP算法是LPP的改进算法,SLPP算法解决了LPP算法的无监督问题,2DLPP算法可以针对2维人脸图像直接处理,避免了图像转化过程中的问题。但是SLPP算法中k近邻图构造时存在类内和类间两个k值难以确定的问题,2DLPP算法存在不能完整保留人脸整体特征的问题。针对两种算法的上述问题分别进行了改进,并把改进后的两种算法相结合提出一种有监督双向特征融合人脸识别算法,在标准人脸库进行了实验,通过实验对比表明本文提出的算法与其他人脸识别算法相比具有更高人脸识别率和鲁棒性。本文对LPP及其改进算法进行了研究,主要贡献概括为以下三个方面:第一,在SLPP算法的基础上针对其构造k近邻图时存在类内和类间两个k值难以确定问题进行了改进,对类间k近邻图构造时k的取值进行了修改,解决了类内和类间k进邻图构造时k值的确定问题,并把改进后算法与原有SLPP算法进行了实验对比,进而证明了SLPP算法修改的合理性。第二,在传统单向2DLPP算法的基础上提出了双向特征融合算法—2DDLPP算法,将同一原始人脸图像映射到水平和垂直两个不同的特征空间中,得到互补的两类人脸图像特征,并对两类人脸特征进行融合,很好的保留了人脸整体特征和判别信息,并对改进后的2DDLPP算法进行了实验,验证了其改进的合理性。第三,把有监督与2维双向图像特征提取相结合对LPP算法进行改进,提出一种新的有监督双向特征融合人脸识别算法—2DDESLPP算法,解决了LPP算法的“小样本问题”和无监督问题,通过实验对比证明该方法具有较高的识别率和鲁棒性。