提出利用类内子流形对高维人脸图像进行判别分析的新方法,沿对齐的类间局部间隔法向扩展类内子图,获得一系列线性投影,并正交化线性投影得到一组子空间的正交基向量。使用局部相邻关系增大类间差异,并将类内结构保存到与类间间隔区域对...提出利用类内子流形对高维人脸图像进行判别分析的新方法,沿对齐的类间局部间隔法向扩展类内子图,获得一系列线性投影,并正交化线性投影得到一组子空间的正交基向量。使用局部相邻关系增大类间差异,并将类内结构保存到与类间间隔区域对齐的子空间中,能有效降低因人脸图像拍摄角度、姿态、光照、眼镜和性别等因素导致的数据多模态或低维流形的高曲率对识别性能的影响。在Yale Face Database B和UMIST face database上进行的实验证明,较之LPP和FDA等方法,该方法能更加可靠地保留类内和类间的子流形结构,且有更高的识别准确率。展开更多
文摘提出利用类内子流形对高维人脸图像进行判别分析的新方法,沿对齐的类间局部间隔法向扩展类内子图,获得一系列线性投影,并正交化线性投影得到一组子空间的正交基向量。使用局部相邻关系增大类间差异,并将类内结构保存到与类间间隔区域对齐的子空间中,能有效降低因人脸图像拍摄角度、姿态、光照、眼镜和性别等因素导致的数据多模态或低维流形的高曲率对识别性能的影响。在Yale Face Database B和UMIST face database上进行的实验证明,较之LPP和FDA等方法,该方法能更加可靠地保留类内和类间的子流形结构,且有更高的识别准确率。
