改进双向二维局部保持投影的人脸识别算法

摘要：

为更好地处理图像小样本问题,且克服二维局部保持投影(2DLPP)算法只能保持数据局部性质的缺陷,通过结合二维主成分分析(2DPCA)和二维线性鉴别分析(2DLDA)的算法特性,提出了一种改进的双向二维局部保持投影的人脸识别算法.首先,引入样本类别信息改进权重矩阵,增强2DLPP算法对样本变化的鲁棒性;其次,提出改进2DLPP+2DPCA、2DLPP+2DLDA两种融合算法并分别用于输入样本图像数据的行、列方向特征提取.在特征选择后得到行、列方向上的最优投影;最后,通过对样本数据进行行、列方向投影,利用最近邻分类器对样本数据进行分类并获得在给定数据集上的识别结果.在人脸数据集ORL、YALE和AR上的实验结果表明,该算法在人脸识别性能上总体优于2DPCA、2DLDA、2DLPP、(2D)2PCA、(2D)2LDA、(2D)2PCALDA和(2D)2LPP-PCA等算法.

关键词：人脸识别、特征提取、二维线性鉴别分析、二维局部保持投影、二维主成分分析

所属期刊栏目：48

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61601382;四川省教育厅项目17ZB0454

在线出版日期：2019-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：904-909,924