论文部分内容阅读
图像表征在图片识别等技术中扮演着核心角色,成为模式识别领域中广受关注的问题。子空间分析方法已成为当前图像表征主要技术之一。传统的子空间方法大多单一关注数据的全局或局部特性,对于复杂数据其特征表达能力仍有不足;同时在复杂场景,例如噪声、多视角等问题中,子空间方法目前还没有较为统一的表征方案。针对上述问题,本文研究基于引入样本惩罚因子的低秩子空间表达并融合流形嵌入技术构造广义的特征表达框架,提高在复杂数据,复杂场景下对图像的特征表达能力。并设计实现人脸识别系统,结合本文所提出的图像表征算法,提高人脸识别性能。本文的主要工作如下:本文提出基于最小二乘的流形嵌入图像表征方法。将主成分分析中通过最小二乘最小化重构误差思想作为基本框架,引入泛化的局部流形嵌入作为特征表达方法。与已知的主成分分析方法不同,我们提出的广义最小二乘重构误差考虑投影数据结构和样本点的惩罚。并通过引入于流形嵌入,平衡子空间特征表达的局部几何结构和全局结构。人脸识别和手写体数字识别的实验结果表明,与常用的流形嵌入方法相比,该方法保持了较低的子空间结构并且取得较高的分类结果,显示此框架在特征表达方面具有优越的性能。本文提出基于低秩表达的多图嵌入图像表征方法。将多流形构造的样本惩罚字典引入低秩表达中,通过对样本点的加强或抑制获得更干净的低秩子空间特征,以更有效的解决低秩表达中的去噪和去除遮挡问题。并且通过多图流形嵌入技术融合,提高特征对数据不同流形结构的表达能力,平衡多视图数据下局部和全局结构。在三个场景:前景提取、去除噪声、去除污染上的实验与流行的低秩算法比较结果表明,该特征提取方法具有更强的泛化能力和识别性能,能够有效针对现实数据中的污染、遮挡、多视角等复杂场景。基于以上图像表征算法设计并实现人脸识别系统。系统运行测试表明该人脸识别系统界面友好,功能正确,且能应对不同场景下的识别要求,验证了本文所提出的图像表征方法的有效性。