论文部分内容阅读
模式识别的主要任务是利用样本的特征，将样本划分为相应的模式类别。这里特征提取是人脸识别的关键环节，有效的人脸特征提取方法不仅有助于简化后续的分类器设计，而且能够提高识别率。人脸识别的特征提取与描述方式可分为基于几何特征和基于统计特征两大类。早期的人脸识别研究主要是基于几何特征，近年来提出的方法大多数是基于统计特征的。
人脸识别中基于统计特征的方法主要有模板匹配、子空间法、支持向量机等，本文重点探讨了子空间法，主要工作为:
1)对基于统计特征的GLRAM(矩阵的广义低秩逼近)和LDA(线性判别分析)方法进行了研究，提出了一种GLRAM与LDA相结合的人脸识别方法。该方法首先利用GLRAM方法获得人脸图像的有效特征，然后通过LDA对获得的特征做进一步地降维并获得最佳分类特征。这样使得抽取特征的判断能力得到了显著增强。实验结果表明，该算法在较短的时间内取得了较高的识别率，效果优于传统的GLRAM方法。
2)对二维保局投影方法，提出了一种基于图像分块的分块二维保局投影(分块2DLPP)方法，并将其成功用于人脸识别。该方法先对原始图像矩阵进行分块，然后对分块子图像施行2DLPP方法，实现图像降维。该方法能有效地提取图像的局部特征。实验表明，该方法在识别性能上优于2DLPP方法。