基于隐马尔科夫模型及多类映射的人脸识别-信号与信息处理专业论文.docx

万方数据 万方数据 摘 要 摘 要 隐马尔科夫模型作为一种基于生成概率的模型方法，由于其模型的简洁性， 模型之间的不相干性，已经广泛应用于图像分割、模式识别、信号预测等领域； 本文在前人研究工作的基础上主要做了如下几项工作： 1．对人脸识别的子空间分析法进行了研究，重点研究了一维主成分分析、一 维 Fisher 鉴别方法；接着介绍了性能更好的扩展算法二维主成分分析、二维 Fisher 鉴别方法；同时讨论了训练样本数、特征维数对识别性能的影响，并给出了相应 的训练时间与识别时间，便于工程应用。 2．相比传统的三个问题解决方式分析隐马尔科夫模型，本文从隐马尔科夫模 型运行机理入手对其进行了阐述，从概率求解出发，结合最大似然参数估计方式 很自然地得到参数重估方法，这样更容易形成理论体系；其次，由于在图像压缩 标准 JPEG2000 中采用小波变换代替离散余弦变换，本文尝试用小波变换提取特 征，然后将其应用隐马尔科夫模型进行分类；最后，考虑到单一特征的鉴别力相 对偏弱，故利用特征融合的策略将小波特征、主分量特征、二维离散变换特征进 行了两两融合及三者融合，再用隐马尔科夫模型进行分类，得到了比较稳健的算 法结构。 3．重点分析了伪二维隐马尔科夫模型的双嵌入式 Viterbi 解码算法，采用小波 变换代替离散余弦变换提取特征，用伪二维隐马尔科夫模型分类，得到了不错的 识别结果；除此之外，将二维离散余弦变换与小波变换的特征融合起来，得到更 有鉴别力的特征，再利用伪二维隐马尔科夫模型分类，则得到更为稳健的人脸识 别；同时本文也给出了详细的模型训练时间与识别时间做为工程应用参考。 4．通过引入 Fisher 核，将隐马尔科夫模型与鉴别分类方法结合起来，生成更 有鉴别力的 Fisher 域特征；同时考虑到不同类模型对样本的鉴别力不同，将多类 映射原理引入到特征生成过程，具体就是将多类的 Fisher 域特征串接，进一步提 高生成特征的鉴别力；最后讨论了对模型不同参数映射所生成特征的鉴别能力及 选择多少类进行映射使得生成特征具有最优的性价比。 关键词：人脸识别，子空间分析法，隐马尔科夫模型，伪二维隐马尔科夫模型， 多类映射 I ABSTRACT ABSTRACT As a model of generative probability, Hidden Markov model has been widely used in image segmentation, pattern recognition and signal prediction for it simple and irrelevant to each other. The following tasks have been accomplished on the basis of previous work. The paper introduces the sub-space methods of facial recognition, especially for one-dimension principal component analysis, two–dimension principal component analysis, Fisher discriminant analysis and two-dimension Fisher discriminant analysis, and then discusses the recognition performance of algorithms on the number of training samples and feature dimensions. At last, in order to apply conveniently, the corresponding training time and recognition time is given as tables. The operation mechanism of Hidden Markov model is described deeply by means of mathematics statistics instead of the traditional method following to solve three problems. Combining with maximum likelihood estimation of probability function, it normally gets the re-estimate method of model parameters. All above making Hid