基于对称最大间距准则的人脸识别方法

在最大间距准则算法中引入对称性思想,提出了基于对称最大间距准则(SMMC)的人脸识别算法。该算法首先引入镜像变换,将人脸图像生成镜像图像,依据奇偶分解原理,把人脸图像分解成镜像奇、偶对称图像,然后分别对奇偶对称图像进行最大间距准则,提取所需的鉴别特征。在ORL和Yale标准人脸库上的实验结果表明,该算法通过利用镜像变换扩大了样本容量,发挥了最大间距准则算法的优点,提高了人脸识别率。     

结合MMC与BPSO优化的人脸特征提取

为了提高最大间距准则法表征人脸特征空间的能力,提出了一种融合最大间距准则和二进制粒子群优化算法的人脸识别方法。利用离散二进制粒子群算法对最大间距准则变换后的特征向量进行选择优化,获得有利于分类的最优特征子空间。在ORL和Yale标准人脸库上的实验结果表明,该方法不但降低了特征空间的维数,而且更好的发挥了最大间距准则算法的优点,提高了人脸识别的速度和精度。     

基于分类概率保持的最大间距准则人脸识别方法

针对最大间距准则方法在特征提取中没有考虑原始样本的分布而执行硬分类标准的问题,提出了一种基于分类概率保持的最大间距准则人脸识别方法.首先,计算每个样本的分类概率,并且利用分类概率重新定义了样本的类内和类间散度矩阵;然后利用最大间距准则得到最优投影矩阵;最后将原始样本投影到低维特征空间,保持样本分布信息.在ORL、Yale及FERET人脸数据库上的实验表明,该方法在提高人脸识别率上是有效的.     

一种线性局部切空间判别分析算法

为了在保持数据局部几何结构不变的同时使数据分类边界最大化,提出了一种用于分类的线性局部切空间判别分析算法.该算法是改进的流形学习算法的监督版,样本的局部切空间排列矩阵确保样本低维嵌入的局部几何结构不变;基于最大边界准则的数据散度矩阵确保数据分类的类内散度最小和类间散度最大;对上述2个矩阵和进行特征分解,获得平衡的投影向量基,使样本投影后的子空间被优化.对Yale,UMIST与MIT这3个人脸数据库的实验结果表明,与现有多种经典分类方法相比,提出的算法在降维的同时提取了用于人脸识别的更有效特征,识别性能较好,具有较高的判别分析能力.     

一种改进的最大间距准则人脸识别方法

针对最大间距准则在人脸特征提取过程中的不足,提出一种统计不相关的加权最大间距准则人脸特征提取方法。首先对最大间距准则的类间散度矩阵和类内散度矩阵加乘权函数。然后在准则函数中利用双参数调节类间散度和类内散度对特征抽取的影响力。最后通过Schmidt正交化得到统计不相关的最佳鉴别矢量集。在ORL和Yale人脸图像库上的仿真实验结果表明,克服了最大间距准则的缺点,提高了人脸识别率。     

局部保持最大间距准则在人脸识别中的应用

局部特征的产生和特征无内因损失的判别提取是人脸识别的两个重要步骤。本文介绍一种名为局部保持最大间距准则（Locality—Preserving Maximum Margin Criterion．缩写：LMMC）的线性管理图像嵌入算法用于子空间的研究,算法中定义了局部类间散布矩阵（local between—class scatter matrix）和局部类内散布矩阵（local within—classs catter matrix）,因此最终的嵌入能同时保持相邻的几何结构和提取重要的判别信息。换言之,引入恰当的权重能在局部方式提升最大间距准则（MaximumMarginCriterion,缩写：MMC）的表现。在基准数据库中的实验结果一致证明了识别效果的提高。     

基于正交子空间类标传播的单标记人脸识别

针对单标记人脸图像识别问题,提出基于正交子空间类标传播和不相关大间距准则的人脸图像识别方法.首先,将带类标样本集规范正交化,在正交化的子空间内进行类标传播,将类标传播到无类标样本上.然后,在所有带类标的样本集上使用不相关大间距准则对数据进行维数约简.最后,在低维空间使用欧式分类器对测试人脸完成识别.在3个人脸数据库PIE、Extended Yale B和AR上进行仿真实验,验证了该方法的可行性和有效性.     

半监督局部线性嵌入算法在人脸识别中的应用

提高人脸识别算法的识别率,提出一种基于半监督局部线性嵌入(Semi-Supervised Locally Linear Embedding,SSLLE)的人脸图像识别方法。针对局部线性嵌入(Locally Linear Embedding,LLE)算法非监督学习的缺陷,引入半监督思想,在构造邻域的时候利用部分样本的标签信息来重新调整距离矩阵;使用调整后的距离矩阵进行线性重建从而实现数据降维。在Yale和ORL人脸库上的实验结果表明,能有效的提高人脸识别的性能。     

改进的鉴别稀疏保持投影人脸识别算法

为了解决判别稀疏邻域保持嵌入(DSNPE)算法中时间复杂度偏高的问题,构造了一种新类间离散度.用各类样本的平均向量组成过完备字典去重构表达每一类的平均向量,然后通过最大间距准则(MMC)构造新的目标函数,更好地展现人脸样本数据库类间的差异,增强了类间判别力和鲁棒性,简化了字典和字典表达,降低算法复杂度.实验结果表明:改进后的算法在保持识别率优势的前提下,极大地减少了识别时间.     

加权局部二值模式和块线性判别投影的人脸识别方法

提出一种加权的局部二值模式和块线性判别投影的人脸识别方法,它首先编码人脸局部区域中心像素与邻域像素的灰度差的符号分量,体现了人脸局部结构的重要性.其次利用了局部二值模式的幅值分量作为像素局部二值模式的权重,最后利用块线性判别投影降低提出的描述符的特征维数,同时增强它的判别能力.在FERET人脸库的大量实验结果表明该算法可以获得有效的性能提升.