论文部分内容阅读
特征提取是模式识别研究的最基本问题之一。对于图象识别而言,提取有效的图象特征是完成图象识别的首要任务。基于核的特征提取方法是一种非常有效的非线性特征提取的方法。
核鉴别分析作为一种非线性的特征提取方法,能在人脸识别上取得比线性鉴别分析更好的识别效果。本文从图像处理和模式识别的角度,对人脸识别方法进行深入研究和改进,将核方法与分数阶傅里叶变换(FRFT)、广义奇异值分解(GSVD)以及增量算法结合起来,探讨更有效的人脸识别方法。
作为一种广义的傅里叶变换,FRFT使得被分解信号的低频带中包含丰富的鉴别信息。本文将之扩展到非线性空间,提出了基于FRFT的核鉴别方法,同时,为保证信息的有效提取,用二维独立判决准则为算法选择合适的角度参数值。在鉴别分析部分,提出一种改进的Fisherface方法,仅挑选鉴别能力强的Fisher鉴别分量,并将这些分量用于识别分类。这种新的核鉴别方法能够很好地处理数据线性不可分的情况。
为了满足人脸数据库不断扩容的需求,本文将增量的思想引入核鉴别分析,提出了基于核的增量算法,同时结合广义奇异值分解算法,在不产生信息丢失的情况下,解决求解过程中遇到的矩阵奇异性问题。实验结果表明该方法很适合处理大数据库。