基于有监督降维的人脸识别方法-论文.pdf

《基于有监督降维的人脸识别方法-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4O卷第5期计算机工程2014年5月、，01．40NO．5ComputerEngineeringMay2014-人工智能及识别技术-文章tli~-：1000—3428(2014)05-0228—06文献标识码：A中图分类号：TP18基于有监督降维的人脸识别方法姚明海，王娜，易玉根，栾敬钊(1．渤海大学信息科学与技术学院，辽宁锦州121013；2锦州师范高等专科学校计算机系，辽宁锦州121013；3．东北师范大学数学与统计学院，长春130117；4．国家电网大连供电公司，辽宁大连116001)摘要：局部降维方法中存在仅

2、考虑图像的相似信息，不能较好地保持图像的差异信息和像素间的空间结构等问题。为此，提出一种新的有监督降维方法，通过构建局部邻域相似图和局部差异图来刻画图像的局部结构。考虑到像素的空间结构，引入二维离散拉普拉斯图的光滑正则化来约束变换矩阵的平滑性。在Yale和ORL人脸数据库上进行实验验证，结果表明，该降维方法既能保持图像之间的局部结构信息，又能较好地保持图像间的差异信息及像素间的空间结构，并针对人脸图像可以有效提取出具有区分能力的低维特征，具有较高的识别精度。关键词：降维；人脸识别；差异性；局部结构；空间结构；正则化Fa

3、ceRecognitionMethodBased0nSupervisedDimensionalityReductionYAoMing．hai，WANGNa，YIY_u．gen。，LUANJingzhao(1．CollegeofInformationScienceandTechnology,BohaiUniversity,Jinzhou121013，China；2．DepartmentofComputer,JinzhouTeacher’sTrainingCollege，Jinzhou121013，China；3．Scho

4、olofMathematicsandStatistics，NortheastNormalUniversity，Changchun130117，China；4．StateGridDalianElectricPowerSupplyCompany,Dalian116001，China)[AbstractlTraditionaldimensionalityreductionmethodsonlypayattentiontothelocalsimilarityinformationofimages．Theyneglectthed

5、iversityinformationofimagesandspatialstructureofthepixelsintheimages．Therefore，anewsuperviseddimensionalityreductionmethodisproposed，whichconstructsthelocalsimilaritygraphandlocaldiversitygraphtocharacterizethelocalstructureofimages．Furthermore，a2DDiscretizedLap

6、lacianSmoothregularizationbyexploitingthespatialstructureofthepixelsintheimagesisintroducedintotheobjectivefunction．Themethodeffectivelymaintainsthelocalstructureinformationbetweenimagesandmaintainsthediversityinformationbetweenimagesandspatialstructureofthepixe

7、lsintheimages．Itcaneffectivelyextractoutthelowdimensionalfeaturefromthefaceimage．ThemethodisverifiedontheYaleandORLdatabase，andexperimentalresultsshowthatthemethodhashighrecognitionaccuracy．[Keywords]dimensionalityreduction；facerecognition；diversity；localstructu

8、re；spatialstructure；regularizationDOI：10．3969／j．issn．1000．3428．2014．05．047使得低维特征具有最大方差。而LDA是一种有监督降维方1概述法，其目的是寻找一组最优的投影方向使得类内散度最小，降维方法一直是计算机视觉和模式识别领域极具吸引类间散度最大。但是LDA不能