基于拉普拉斯方向的差值线性判别分析-论文.pdf

《基于拉普拉斯方向的差值线性判别分析-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第41卷第6期计算机科学Vo1．41NO．62014年6月ComputerScienceJune2014基于拉普拉斯方向的差值线性判别分析李照奎。丁立新王岩。何进荣周凌云(武汉大学软件工程国家重点实验室武汉大学计算机学院武汉430072)(沈阳航空航天大学计算机学院沈阳110136)摘要标准的LDA方法通常有3个问题：1)为了确保类内散度矩阵的非奇异性，必须首先通过PCA进行维数约简，这限制了对更多维数空间的使用；2)当每人只有单个训练样本时，类内散度矩阵必然奇异，此时LDA无法工作；3)缺乏对像素间的局部相关性的考虑。为了解决这些问题，提出一种基于拉普拉

2、斯方向的差值线性判另q分析方法。该方法通过拉普拉斯方向实现更鲁棒的图像相异性测度，通过引入差值散度矩阵来避免类内散度矩阵的奇异性。实验结果显示，该算法对表情变化、光照改变及不同遮挡情况获得了更高的识别率，尤其针对光照变化，效果更加显著。关键词拉普拉斯方向，维数约简，缌陛判别分析，鲁棒的相异性度量中图法分类号TP391文献标识码ADifferentLinearDiscriminantAnalysisBasedOilLaplacianOrientationsLIZhao-kuP’。DINGLi-xinIWANGYah2HEJin-rongZHOULing-y1

3、】n1(~ateKeyLaboratoryofSoftwareEngineering，SchoolofComputer，WuhanUniversity，Wuhan430072，China)(Sch∞lofComputer，ShenyangAerospaceUniversity，Shenyang110136，Cllina)AbstractForthetraditiona1lineardiscriminantanalysismethod，thereareusuallythreequestions：1)Inordertoensurethatthewithin-c

4、lassscattermatrixisnonsingular，theprincipalcomponentanalysismustfirstlyisperformed，whichlimitstheeffectofmultidimensionalspace．2)Ifthenumberoftrainingsamplesperpersonissingle，thewithin-classscattermatrixisgenerallysingular。andthemethoddoesnotwork．3)Withoutconsideringthepartialcorr

5、elationbe—tweenpixels．Toaddresstheseproblems，thispaperproposedadifferentlineardiscriminantanalysisbasedonLaplacianorientations．TheusageoftheLaplacianorientationsresultsinamorerobustdissimilaritymeasuresbetweenimages．Theintroductionofthedifferencescattermatrixavoidsthesingularityof

6、thewithin-classscattermatrix．Experimentsshowthattheproposedmethodhasbetterrobustnessforfacialexpressions，illuminationchangesanddifferentocclu—sions，andachievesahigherrecognitionrate．Especiallyforilluminationchanges，theeffectisbetter．KeywordsLaplacianorientations，Dimensionalityredu

7、ction，Lineardiscriminantanalysis，RobustdissimilaritymeasuresAnalysis，简称sDA)[8等。在人脸识别中，维数约简方法的1引言性能严重受每人训练样本数量的影响。维数约简方法的主要目标是寻找一个低维特征空间去表在该科学领域主要围绕两个方向进行研究。一个方向是示人脸，迄今为止，研究人员已经提出了基于无监督、有监督流形学习，流形学习算法假定输入观测数据位于或近似位于和半监督的多种降维方法。无监督方法典型的包括主成份分一个嵌入在高维欧式空间中内在的低维流形上，算法的主要析(PrincipalComp

8、onentAnalysis，PeA)[1]、局部保持投影目标是发现