有监督的二维分块局部相似差异人脸识别算法

《有监督的二维分块局部相似差异人脸识别算法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、有监督的分块二维局部相似与差异算法MethodofmodularTwo-dimensionalSupervisedLocalSimilarityandDiversityprojection靳丽丽1,2，陈秀宏1JinLi-li,ChenXiu-hong（江南大学数字媒体学院1,信息工程学院2江苏无锡214122）(1Schoolofdigitalmedia,2SchoolofInformationTechnology,JiangnanUniversity,Wuxi,Jiangsu214122,China)摘要：本文提出了一种有监督的二维分块局部相似与差异的人脸识别算法。在将原图

2、像矩阵分块后，利用局部相似和差异算法中定义的两个权值矩阵对分块矩阵求解投影矩阵，然后将得到的投影矩阵按次序整合得出特征矩阵，以达到将原图像降维的目的。该算法在降低计算难度的同时，有效的保持了图像的局部信息。实验结果表明该算法取得良好的识别效果。Abstract:AfacerecongnitionMethodofmodularTwo-dimensionalSupervisedLocalSimilarityandDiversityprojectionwasproposedinthispaper.Theoriginalimageswerediviedintomodularimages

3、.Usingsimilarityscatteranddiversityscatter,wecanconputerthefeaturescatter.Then,themodularimageswerecombinedaccordingtoacertainordertoextractthefeatures.Thesefore,thedimensionoftheoriginalimagescouldbedepressed.Themethodnotonlyreducethereflexingofcomputerbutalsokeepthelocalfeaturesoftheimages

4、effectively.Theexperimentalresultsindicatethattheproposedmethodhasahigherrecognitionrate.关键词：人脸识别；矩阵分块；2DSLDP算法;特征提取；Keywords:facerecognition;modularmatrix;2DSLDPmethod；featureextration;0引言特征提取是许多研究领域（如多变量分析、模式识别、计算机视觉和机器学习等）需解决的关键问题之一，其目的就是为了更好地将高维空间中有效的信息提取出来，然后映射到低维空间。特征提取的方法总体来说可分为两种：有监督

5、和无监督。最为经典的无监督算法为PCA（principalcomponentanalysis）算法，有监督算法则是LDA（LinearDiscriminationAnalysis）。然而，它们对于人脸的生物特征在识别时不能更好地提取有效信息。之后人们又提出了一些无监督算法，如LE（LaplacianEigemap）算法、LPP（LocalityPerservingProjections）算法及NPE（NeighborhoodPerservingEmbedding）算法，并取得了一定效果。以上算法都必须将二维矩阵的图像样本转换为向量形式，这不可避免地丢失一些重要的信息。为解决这个

6、问题，之后出现了2DLPP算法和2DMFA算法，并在模式分类和识别应用中取得了比较好的实验效果。2DLPP算法是近几年流行的非线性流形学习算法，该算法是利用非线性拉普拉斯特征映射的线性逼近从整体结构信息中获取更有效的局部信息，但该算法性不能更好地提取临近相似样本的差异信息，而在模式分类过程中数据信息的差异性也是非常重要。于是Gao[1]提出了2DSLDP（Two-dimensionalsupervisedlocalsimilarityanddiversityprojection）算法，利用样本的相似性和差异性定义了两个权值矩阵即相似矩阵和差异矩阵，取得了较好的识别效果。本文是在

7、此算法基础上利用徐[8]的分块思想先对样本图像进行分块，然后进行2DSLDP算法，在减小计算复杂度的同时，也取得了较好的识别效果。12DLPP算法个训练样本可以表示为，构作权值矩阵则2DLPP算法的目标函数为（1）其中，是矩阵Kronecker积，为拉普拉斯算子，是一个对角矩阵，对角元素是由的行和或列和组成，即。求解出后便可将原图像投影到上得一个低维的特征向量，继而识别。22DSLDP算法2DSLDP算法则考虑以下目标函数为（2）其中相似矩阵（4）差异矩阵为：（5）式子（3）中（6），，为对