零空间边界Fisher分析法及其在人脸识别中的应用.pdf

《零空间边界Fisher分析法及其在人脸识别中的应用.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33卷第1期西华大学学报(自然科学版)2014年1月V01．33．No．1JournalofXihuaUniversity·NaturalScienceJan．2014·计算机软件理论、技术与应用·零空间边界Fisher分析法及其在人脸识别中的应用杨军，刘妍丽(1．四川师范大学计算机科学学院，四川成都610101；2．四川师范大学数学与软件学院，四川成都610101)摘要：边界Fisher分析(MFA)是一种有效的特征抽取方法，但在人脸识别的应用中会遭遇小样本问题。基于此，提出一种利用零空间法求解MFA优化准则的算法。该算法通过在MFA的类内散度矩阵的零空间中最大化MFA类问

2、离散度得到最优投影向量，从而避免MFA方法所遇到的小样本问题，同时也保留了包含在类内散度矩阵零空间中的鉴别信息。在标准人脸库上的识别实验结果表明，该算法的识别率高于LDA和MFA，并且较容易选择其最优低维特征空间的维数。关键词：人脸识别；边界Fisher分析；小样本问题；零空间中图分类号：TP391．41文献标志码：A文章编号：1673—159X(2014)01—0060—05doi：10．3969／j．issn．1673—159x．2014．01．015NullSpaceMarginalFisherAnalysisandItsApplicationinFaceRecognit

3、ionYANGJun．LIUYan—li(1．CollegeofComputerScience，SichuanNormalUniversity，Chengdu610101China；2．CollegeofMathematicsandSoftware，SichuanNormalUniversity，Chengdu610101China)Abstract：MarginalFisheranalysis(MFA)isaleficientlinearprojectiontechniqueforfeatureextraction．ThemajordrawbackofapplyingMFAt

4、ofacerecognitionisthatitoftenencountersthesmallsamplesize(SSS)problem．Inthispaper，astrategybasedonnullspaceforsolvingoptimizationcriteriaofMFAisproposedtoavoidthisissue．Itmaximizestheclassscatteroftrainingsamplesonnullspaceofwithin—classscattermatrix(S)inMFAandreservesthediscriminantinformat

5、ioncontainedinnullspaceofS．Theper—formaneeofthismethodistestedinbothORLandYalefacedatabases．Experimentalresuhsshowthatthismethodiseffectiveanda—chieveshigherrecognitionratethanLDAandMFA．Moreover，itiseasytodecidemostoptimaldimensionalityoffeaturespaceforthismethod．Keywords：facerecognition；mar

6、ginalfisheranalysis(MFA)；smallsamplesize(SSS)problem；nullspace分类工作的时间开销，即所谓的维数灾难问题0引言(curseofdimensionality)。子空间分析方法是人脸随着社会的发展和技术的进步，人脸识别技术识别方法中的一个重要分支。它从降低原始数据在公共安全、海关、监控、人机交互等方面有着巨大向量维数的角度出发，将原始高维数据映射到一个的应用前景。人脸识别一直是自动图像分析和识能够更好地表征数据分布的低维特征空间中，从而别领域里的一个活跃的研究课题⋯。人脸识别的在去除噪声和压缩数据的同时更好地区分数据。原始

7、数据是图像矩阵。如果将矩阵数据排列在一特征脸(Eigenface)方法和Fisher脸(Fisher．起，则形成一个高维向量。过高的维数不但使统计face)方法是2个经典的子空间人脸识别方法。它们分别是基于统计学习中的主成分分析(PCA)方法很难准确估计一些统计量，也增加了后续对比和线性判别分析(LDA)算法的。PCA是一种无监收稿日期：2013~4．18项目基金：国家自然科学基金(60736046)；973计划课题(2009CB320803)；I~1)lf省教育厅资助科研项目(11ZB06