基于广义Fisher鉴别分析的人脸识别

本文提出了一种基于广义Fisher鉴别分析的人脸识别新方法。

基于核的广义Foley-Sammon鉴别分析

广义Foley-Sammon线性鉴别分析(GFSDA)是抽取线性特征的有效方法之一。本文提出了基于核的广义Foley-Sammon鉴别分析(KGFSDA)方法,首先建立KGFSDA的模型,然后从理论上给出KGFSDA模型的具体求解方法。分析表明,KGFSDA保留了GFSDA能从整体上考虑经过广义最佳鉴别变换后样本的可分性的优点,更重要的是该方法能够有效地抽取样本的非线性特征,是对GFSDA的进一步拓展。在ORL标准人脸库上的实验结果表明,该方法在识别性能上优于已有的广义Foley-Sammon线性鉴别分析,也比经典的Foley-Sammon线性鉴别分析更有效。

局部广义张量鉴别分析

在过去十年里,致力于研究把线性鉴别分析扩展到更高阶数据分类,即多线性鉴别分析,以得到更好的鉴别效果。广义张量鉴别分析(GTDA)方法是其中最具代表性的算法之一。文中提出了一种新的多线性鉴别分析方法,即局部广义线性鉴别分析(LGTDA)方法。其利用张量样本的局部近邻信息重新定义了鉴别分析中的类间散度矩阵和类内散度矩阵,使得提出的方法比其他方法在投影空间中更好地保留原始空间的局部结构信息。另外,用多种特征提取技术提取出原始样本图片的各种信息构成文中算法的张量样本,充分利用了张量数据的优势。在AR和CAS-PEAL人脸数据库上的实验结果验证了文中方法的有效性。

广义统计不相关最优鉴别矢量集的一个理论结果

本文对统计不相关最优鉴别矢量集的理论问题进行研究 ,提出了广义统计不相关最优鉴别准则 ,并给出了广义统计不相关最佳鉴别矢量集的一个理论结果 ,研究表明 ,广义统计不相关最佳鉴别矢量集的计算公式与基于Fisher最优鉴别准则的统计不相关最佳鉴别矢量集的计算公式完全一样 ,但是以前这一点没有被认识到 .本文的研究丰富了统计不相关最优鉴别分析的特征抽取理论 .

广义主分量分析及人脸识别

传统的主分量分析和Fisher线性鉴别分析在处理图像识别问题时都是基于图像向量的。该文提出了一种直接基于图像矩阵的主分量分析方法,它的突出优点是大大加快了特征抽取的速度。在ORL标准人脸库上的试验结果表明,该文所提出的方法不仅在识别性能上优于传统的主分量分析方法和Fisher线性鉴别分析方法,而且特征抽取的速度得到了很大的提高。

一种新的核广义鉴别特征抽取方法

在基于核的广义鉴别特征模型的基础上,提出了一种新的核广义鉴别特征抽取方法。利用空间变换的有关理论,使得变换后的核总体散布矩阵满足非奇异性;同时通过核共轭特征抽取方法,抽取满足核共轭正交条件的特征向量,使抽取的特征满足统计不相关性。在ORL人脸库上的实验表明了所提方法的有效性,达到了比核鉴别分析等方法更好的识别效果。

基于扰动方法的广义最佳鉴别矢量集求解的一种解析算法

对广义最佳鉴别矢量的求解方法进行研究,根据矩阵的扰动理论,改进了作者最近提出的求解广义最佳鉴别矢量的一种解析算法,提出了求解广义最佳鉴别矢量的一种新的解析算法.该算法运行时间短且识别率不劣于老算法,在ORL人脸数据库进行的数值实验,验证了上述论断的正确性.

核不相关鉴别分析以及它在字符识别中的应用

核不相关鉴别分析是在线性不相关鉴别分析的基础上发展起来的·然而,由于核函数的运用,计算核不相关矢量集变得更加复杂·为了解决这个问题,提出一种解决核不相关鉴别分析的有效算法·该算法巧妙地利用了矩阵的分解,然后在一个矩阵对上进行广义奇异值分解·与此同时,提出了几个相关的定理·最重要的是,提出的算法能克服核不相关鉴别分析中矩阵的奇异问题·在某种意义上,提出的算法拓宽了已有的算法,即从线性问题到非线性问题·最后,用手写数字字符识别实验来验证提出的算法是可行和有效的·

统计不相关最佳鉴别矢量集的本质研究

对统计不相关最佳鉴别矢量集的本质进行研究 ,在基于总体散布矩阵特征分解的基础上 ,构造了一种白化变换 ,使得变换后的样本空间中的总体散布矩阵为单位矩阵 ,这样使得传统的最佳鉴别矢量集算法得到的均是具有统计不相关的最佳鉴别矢量集 ,从而揭示了统计不相关最佳鉴别变换的本质———白化变换加普通的线性鉴别变换。该方法的最大优点在于所获得的最优鉴别矢量同时具有正交性和统计不相关性。该方法对代数特征抽取具有普遍适用性。用ORL人脸数据库的数值实验 。

不相关最佳鉴别矢量集的有效算法

线性鉴别分析中处理小样本问题的方法有两类:①在模式识别之前,通过降低模式样本特征向量的维数达到消除奇异性的目的;②发展算法获得低维鉴别特征。将这两种方法结合起来,解决了高维小样本情况下基于广义Fisher线性鉴别准则的不相关最优鉴别矢量集的求解问题,给出了抽取最优鉴别矢量的有效算法。

彩色JPEG图像的隐写分析

图像隐写分析的目的是检测图像中隐藏信息的存在性．JPEG图像的广泛使用使其成为一种重要的隐写载体，因而针对JPEG图像的隐写分析受到研究者们的广泛关注．本文基于彩色图像YCbCr颜色空间DCT系数的统计分布模型，提出一种彩色JPEG图像的隐写分析算法．通过计算载体图像和掩密图像DCT系数统计分布之间的鉴别信息，评估常见DCT域隐写术对载体图像DCT系数统计分布的改变．以统计分布模型参数为特征向量，采用支持向量机实现对载体图像和掩密图像的有效分类．实验结果表明，本文算法具有较高的检测率，性能优于使用Faxid所提出的彩色QMF统计量的隐写分析算法．

基于扰动方法和广义K-L变换的人脸特征抽取

对广义最佳鉴别矢量的求解方法进行研究,根据矩阵的扰动理论和广义K-L变换,提出了一种改进的求解广义最佳鉴别矢量集的解析算法。由于该算法一次性地求出了所有广义最佳鉴别矢量,而无需迭代,因而节约了计算时间,且识别率高。在ORL人脸数据库的数值实验,验证了上述论断的正确性。

监督降维算法的计算和理论分析

在小样本条件下,由于离散矩阵的奇异性,作为监督降维的传统线性鉴别分析(LDA)并不能直接计算.许多扩展算法被提出以克服此问题,一般可分为3类:基于类内离散矩阵零空间的方法、基于总体离散矩阵列空间的方法和基于其它子空间的方法.为了深入了解前2类算法的特性,作了计算和理论分析,并得出结论:在满足一定条件下(小样本高维数据一般都满足),基于类内离散矩阵零空间和基于总体离散矩阵列空间的方法具有等价关系,仅最优矢量集的约束条件和实现途径有所区别.在人脸数据库ORL和YALE上的比较实验结果亦证实了上述结论.

鉴别矢量增强在人耳人脸多模态识别中的应用

人耳识别与人脸识别在生物特征识别领域中占有重要位置,然而,剧烈的姿态变化一直是阻碍它们在现实生活中应用的瓶颈,提出一种鉴别矢量增强算法,以解决姿态人耳和姿态人脸图像的识别问题。为了考察多模态识别的可行性和有效性,利用串联、并联(广义主元分析)和典型相关分析等融合策略,将强化后的人耳、人脸鉴别矢量进行有效融合,通过最近邻方法进行分类识别。实验结果表明,鉴别矢量强化算法可以显著提高姿态人耳或是姿态人脸单生物特征的识别率,而多模态方法又会表现出更好的识别性能。

一种新的图像特征抽取方法研究

对最佳鉴别矢量的求解方法进行了研究 ,根据矩阵的分块理论和优化理论 ,在一定的条件下 ,从理论上得到类间散布矩阵和总体散布矩阵的一种简洁表示方法 ,提出了求解最佳鉴别矢量的一种新算法。该算法的优点是计算量明显减少。 ORL人脸数据库的数值实验 ,验证了上述论断的正确性。实验结果表明 ,虽然识别率与分块维数之间存在非线性关系 ,但可以通过选择适当的分块维数来获得较高的识别率。类间散布矩阵和总体散布矩阵的一种简洁表示方法适合于一切使用

一种基于特征融合的人脸识别新方法

提出了一种基于特征融合的人脸识别新方法。首先采用两种不同的K L变换分别降低原始图像空间的维数,避开人脸识别小样本集的局限,然后利用复向量将同一样本的两组特征向量合并在一起,通过运用具有统计不相关性的复线性鉴别分析来抽取人脸图像的有效鉴别特征,最后在ORL人脸库上实验结果表明所提出的方法不仅识别性能优于经典的Fisherfaces,而且仅用14个特征识别率就达到96%。

基于改进奇异值分解的人耳识别算法研究

提出了基于特征矩阵和改进的奇异值分解的人耳识别算法。采用特征矩阵及Fisher最优鉴别分析方法将原始样本向最优鉴别矢量投影,有效地降低了维数,再进行奇异值分解后所得到的正交矩阵,进行人耳识别,实验结果验证该方法在人耳识别应用中的有效性。

Fisher线性鉴别函数的一种推广形式

鉴于常用的两种Fisher鉴别函数在应对奇异问题时存在的不足,给出一种Fisher鉴别函数推广形式,它能将双子空间鉴别分析中两个子空间的鉴别函数统一起来.本文还通过QR分解得到一个正交鉴别向量集,它与Fo-ley-Sammon正交鉴别向量集的鉴别性能很接近,但计算量较小.在2种人脸库上进行实验,实验结果与理论分析一致.

大花红景天和长鞭红景天的无损鉴别

目的将近红外高光谱成像系统(HIS)与人工神经网络(ANN)相结合,对大花红景天和长鞭红景天进行无损、快速、高效地分类与鉴别。方法在935~1720 nm光谱范围内采集了大花红景天和长鞭红景天的高光谱图像,采用ENVI软件从高光谱图像中提取出两种红景天中感兴趣区域的平均光谱作为样本的原始光谱。在对样本全波段的高光谱数据进行主成分分析(PCA)后,采用SPXY法将样本划分成训练集和测试集,用连续投影算法对高光谱数据进行特征变量的选择,根据交叉验证均方根误差最小的原则提取出23个特征波长。分别基于全波长和特征波长建立线性判别模型SIMCA及非线性判别模型,包括概率神经网络(PNN)和广义回归神经网络(GRNN)。结果线性判别模型SIMCA无法将两种红景天进行正确的分类与鉴别,而PNN和GRNN均能很好地区分两种红景天,分类判别的正确率可达100%。结论与PCA和SIMCA模式识别比较,HIS结合ANN建模有效、快速,可无损鉴别大花红景天和长鞭红景天,在不同品种红景天的分类与鉴别方面有明显的优势。

基于分块统计量的Gabor特征描述方法及人脸识别

Gabor 小波是人脸特征描述中的一个重要工具.为减少由直接对 Gabor 特征进行下采样造成的有用信息丢失,本文提出一种基于分块统计量的 Gabor 特征描述方法,增强人脸图像的 Gabor 特征描述效率.在此基础上,探讨基于广义鉴别分析的二次特征提取方法.实验表明,Gabor 特征描述和广义鉴别分析两种方法结合后所产生的识别性能优于其中每个方法单独使用的识别性能,且与 Eigenfaces、Fisherfaces 等流行方法相比具有较大优势.