一种基于ICA和LDA组合的人脸识别新方法.pdf

《一种基于ICA和LDA组合的人脸识别新方法.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、计算机科学Z006Vol.33N.4一种基于ICA和LDA组合的人脸识别新方法。!郑宇杰111Z"31於东军杨静宇吴小俊王卫东!南京理工大学信息学院南京Z10094"1Z!江苏科技大学镇江Z1Z003"!中国科学院机器人学开放研究实验室沈阳110015"3摘要特征提取是模式识别研究领域的一个热点!本文提出了一种基于独立成分分析和线性鉴别分析的特征提取方法!该方法中引入了零空间的概念"指出了前人算法中的不足之处"并且给出了一个完整的独立成分分析和线性鉴别分析的组合算法!在ORL和Yale人脸数据库

2、上的实验表明了该方法的有效性!关键词人脸识别"特征提取"独立成分分析"线性鉴别分析"零空间ANewMethodofFusionofICAandLDAforFaceRecognition111Z31Z~ENGYu-jieYUDong-junYANGjing-YuWUXiao-junWANGWei-Dong(DepartmentofComputerScienceNaningUniversityofScienceandTechnologyNaningZ10094>1(SchoolofElectroni

3、csandInformationjiangsuUniversityofScienceandTechnologyZheniangZ1Z003>Z(RoboticsLaboratoryChineseAcademyofScienceShenyang110015>3AbstractFeatureeXtractionisoneofthehottopicsinthefieldofpatternrecognition.IndependentComponentAnaly-sis(ICA>andLinearDis

4、criminantAnalysis(LDA>aretWoeffectivemethodsoffeatureeXtraction.ICAcaneXtractfeaturesfromhighorderandLDAcaneXtractfeaturesWhichareusefultoclassify.~oWeverperformanceofICAmethodcombinedWithLDAisreportedasloWerthanICAmethodpreviously.InthispaperWepoint

5、outtheWeaknessofthepreviousmethodsandaneWmethodoffeatureeXtractionbasedonICAandLDAWithconceptionofnullspaceisproposed.EXperimentresultscarriedonfacedatabasesdemonstratetheeffectivenessoftheproposedmethod.KeywordsFacerecognitionFeatureeXtractionIndepe

6、ndentcomponentanalysisLineardiscriminantanalysisNullspace1引言2基于ICA的人脸识别方法在模式识别领域特别是人脸识别字符识别等领域特ICA的最初思想是由jutten和~erault提出用来解决鸡征提取是一个最基本的问题独立成分分析(ICA>16和线尾酒会问题的目的是想从混合信号中抽取得到相应的独立性鉴别分析(LDA>78是两种经典的特征提取方法它们被源信号它的基本思想如下:广泛地应用于该领域独立成分分析方法由于可以从高阶上假设得到了M个观

7、测信号xi(i=1ZM>每个观测抽取得到数据的独立特征因此近年来该方法在人脸识别的信号都是由N个独立的源信号s(j=1ZN>线性混合而j特征提取中受到了重视特别是待识别的人脸处于不同的光成即xi=ai1s1+aiZsZ++aiNsN(i=1ZM>如果用照姿势或表情的情况下然而通过ICA方法得到的特征矩阵的形式来表示相应的观测信号和源信号那么我们可以信息是更能重构原始数据的信息并不是原始数据的最佳分类得到如下的表示形式:信息因此在模式分类问题上还存在缺陷而通过LDA方法X=AS(1>则能得到相应的

8、最佳分类的特征信息基于这一想法Bart-其中A为混合矩阵S为未知的独立源信号4等提出通过ICA+LDA方法得到的特征数据也许能提lettICA理论的基本出发点是假设各个独立源信号是统计独高分类的性能但是他们并没有给出有说服力的实验结果立的非高斯的因此尽管在这个模型中AS都是未知的然而跟他们的期望相反的是在C.Liu9等人的实验中指出我们仍然可以根据输出信号的独立性原则估计出这些未知的基于ICA+LDA方法得到的特征数据的识别性能低于基于信号显然问题的关键是如何度量分离结果的独立性基10等于ICA