基于无相关判别稀疏投影的人脸识别方法-论文.pdf

《基于无相关判别稀疏投影的人脸识别方法-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26卷第4期海军工程大学学报Vo1．26No．42O14年8月JOURNALOFNAVALUNIVERSITYOFENGINEERINGAug．2014DOI：10．7495／j．issn．1009—3486．2014．04．013基于无相关判别稀疏投影的人脸识别方法李雅萍，王国强，苗海(1．洛阳理工学院计算机与信息工程系，河南洛阳471023；2．海军工程大学动力工程学院，武汉430033)摘要：针对人脸识别问题，提出了一种无相关判别稀疏投影(uncorrelateddiscriminantsparseprojections，uD

2、SP)方法。该方法通过设计一个无相关约束基于差的最优化目标，同时增加判别信息到稀疏保持投影(sparsitypreservingprojections，SPP)的目标函数，不仅保持了SPP的稀疏重构结构关系，而且利用了全局判别结构。同时，通过强加合适约束使得提取的特征统计无相关。最后，在FERET人脸库上进行了实验，证明了该方法的有效性。关键词：人脸识别；特征提取；子空间学习；稀疏表征；类间散度中图分类号：TP391．41文献标志码：A文章编号：1009—3486(2014)04—0055—04Uncorrelatedsparsity

3、discriminantprojectionsforfacerecognitionLIYa—ping，WANGGuo—qiang，MIAOHai。(1．Dept．ofComputerandInformationEngineering，LuoyangInst．ofScienceandTechnology，Luoyang471023，China；2．CollegeofPowerEngineering，NavalUniv．ofEngineering，Wuhan430033，China)Abstract：Amethodofuncorrelat

4、eddiscriminantsparseprojections(UDSP)isproposed．Throughthedesignofanewuncorrelatedconstraintdifference—basedoptimalobjectiveandtheadditionoftheob—jectivefunctionfromthediscriminantinformationtothesparsitypreservingprojections(SPP)，theUDSPmethodnotonlypreservesthesparser

5、econstructiverelationshipofSPPbutalsoutilizesthegloba1discriminantstructures．Meanwhile，anappropriateconstraintisimposedtomaketheextractedfeaturesstatisticallyuncorrelated．ExperimentsontheFERETfacedatabaseverifytheeffectivenessoftheproposedUDSPmethod．Keywords：facerecogni

6、tion；featureextraction；subspacelearning；sparserepresentation；between—classscatter自20世纪生物特征识别技术诞生以来，人脸图像可能是分布在嵌入高维空间的非线性子流形识别一直是该领域热门的研究课题_】]。到目前为空间中。最近，越来越多的流形学习方法被用以止，人们提出了多种人脸识别方法[2]。其中，基研究局部几何结构]。LPP_lo]和NPEl_1l_是典于表观的子空间学习方法是最流行的方法之一。型的线性流形学习方法，它能最佳地保持数据邻最具代表性的子空间学习

7、方法包括主成分分析和域几何结构。这些算法都能如文献El2]所述的那线性判别分析[4]。文献[6—7]研究表明：人脸样在图嵌入框架时进行解释。受稀疏表征和收稿日期：2013—12—18；修回日期：2014—04—27。基金项目：河南省科学技术厅科技计划资助项目(122400450104)；河南省教育厅科学研究重点计划资助项目(14A520055)。作者简介：李雅萍(1968一)，女，副教授，硕士，主要研究方向为图像处理、数据挖掘、计算机网络。通信作者：李雅萍，E-mail：jsJxexam@163．cOrn。海军工程大学学报第26卷NP

8、E的启发，文献[13]提出了一种稀疏保持投影构。特别地，通过无相关判别稀疏投影提取的特降维算法(sparsitypreservingprojections，征统计上是不相关的。SPP)。虽然SPP在一些领域是有效的，但它