基于数据重构的子空间人脸识别算法研究-计算机技术专业论文.docx

苏州大学学位论文使用授权声明 本人完全了解苏州大学关于收集、保存和使用学位论文的规定， np: 学位论艾著作叙归属苏州大学.本学位论文电子文挡的内容和纸 质论文的内容相·致.苏州大学有权肉国家图书馆、中国社科院文献 信息僧狼中心、中国科学技术信息研究所(含万方数据电子出版社)、 中图学术期刊恍忿版)电子杂志社送究本学位论文的复印件和电子又 挡，允许论文被查阅和借阂，可以采用影印、缩印或其他复制手段保 存和汇编学俭论文，可以格学位捻文的企割草 E部分内容编入有关数稽 J!f选. 仔捻素.  在#密论文。 本学位t告文属 在 月解密后适用本规定. 1:虽:非W1W论文 1:虽: 论文侍者盘M : 导师签名· 一电 -.v 、‘ .，.. ;-. . -. 町唱 I I 基于数据重构的子空间人脸识别算法研究 中文摘要 基于数据重构的子空间人脸识别算法研究 中文摘要 人脸识别系统分为人脸检测、图像预处理、特征提取、分类这四个部分，其中特 征提取最为重要。在特征提取方法中子空间方法尤为突出，子空间方法都是根据某种 性能需求从而求得一个最优投影，大多数情况下这种性能需求都与数据重构方式有 关，不同的数据重构方式也将得到不同的低维子空间。本文主要围绕数据重构和子空 间方法展开，深入研究和分析子空间方法的优缺点，主要工作如下： （1）稀疏保持投影(Sparsity Preserving Projections, SPP)算法利用稀疏表示来重构 数据，保持样本在低维空间的稀疏结构，但该算法没有充分利用样本的标签信息，也 没有区 分异 类样本。 针对这 两点 不足 ，本 文提出 一种 稀疏 重构 判别分 析(Sparse Reconstructive Discriminant Analysis, SRDA)算法，SRDA 算法充分利用样本的标签信 息，保持类内稀疏重构误差最小；同时考虑异类样本的局部信息，保持异类近邻稀疏 重构误差最大，该算法同时增强了子空间的鉴别能力和异类样本的可分性。在 YaleB、 PIE 和 AR 三个规模较大的人脸库上的实验验证了算法的有效性。 （2）重构判别分析(Reconstructive Discriminant Analysis, RDA)算法利用同类中其 它所有样本对数据进行重构，保持类内线性重构误差最小的同时保持异类近邻线性重 构误差最大。但该算法未考虑线性子空间距离不同，导致较差的子空间数据结构保持 能力，并且 RDA 算法是非正交的，给数据重构带来困难。针对这些不足，提出一种 权值正交重构判别分析(Weighted Orthogonal Reconstructive Discriminant Analysis, WORDA)算法，该算法首先针对线性子空间距离不同引入线性子空间权值矩阵，以提 高子空间数据结构保持能力；又在投影过程加上正交约束克服测度扭曲问题，获得更 好的子空间投影。在 ORL、Yale、AR 和 FERET 人脸库上大量实验验证了该算法的 优越性。 关键字：人脸识别；特征提取；数据重构；稀疏表示；线性子空间 作 者：施 伟 指导教师：马小虎 Abstract Research on Subspace Face Recognition based on Data Reconstruction Research on Subspace Face Recognition based on Data Reconstruction Abstract Face recognition system consists of face detection, image preprocessing, feature extraction and classification, of which feature extraction is the most important part. Subspace method stands out from the feature extraction methods. Subspace method aims to find the best projections according to some specific performance requirements, which are always related to the way of data reconstruction. Different data reconstruction methods also lead to different subspaces. In this paper, studies mainly focus on data reconstruction a