应用于人脸识别的监督局部邻域保持嵌入算法

被引:4
作者
郝晓弘 [1 ]
赵振华 [2 ]
机构
[1] 兰州理工大学计通学院
[2] 兰州理工大学电信学院
关键词
人脸识别; 维数约简; 图像距离; 流形学习;
D O I
10.16136/j.joel.2013.02.026
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
提出了一种应用于人脸识别的监督线性维数约简算法。首先引入图像距离度量方法以确定人脸数据之间的相似程度,之后将训练样本的类标先验信息融入到邻域保持嵌入(NPE,neighborhood preserving embedding)算法的目标函数中,使得降维后的嵌入空间的投影数据呈多流形分布,不仅最优保持了样本空间的局部几何结构,同时各类样本投影的类内散度最小化,类间散度最大化,增大了各类数据分布之间的间隔,提高了嵌入空间的辨别能力。在Extended Yale B和CMU PIE两个开放人脸数据库上进行了识别实验,结果表明,本文算法取得了很好的识别效果。
引用
收藏
页码:365 / 371
页数:7
相关论文
共 9 条
[1]   基于部分标记数据进行人脸图像特征提取 [J].
崔鹏 ;
张汝波 .
光电子激光, 2012, (03) :554-560
[2]   融合改进的ASM和AAM的人脸形状特征点定位算法 [J].
王晶 ;
苏光大 ;
刘炯鑫 ;
任小龙 .
光电子激光., 2011, 22 (08) :1227-1230
[3]   基于有监督保持邻域嵌入人脸识别 [J].
蔡秋枫 .
计算机应用, 2009, 29 (12) :3349-3351
[4]   Discriminant sparse neighborhood preserving embedding for face recognition [J].
Gui, Jie ;
Sun, Zhenan ;
Jia, Wei ;
Hu, Rongxiang ;
Lei, Yingke ;
Ji, Shuiwang .
PATTERN RECOGNITION, 2012, 45 (08) :2884-2893
[5]  
A supervised non-linear dimensionality reduction approach for manifold learning[J] . B. Raducanu,F. Dornaika.Pattern Recognition . 2011 (6)
[6]  
Supervised optimal locality preserving projection[J] . W.K. Wong,H.T. Zhao.Pattern Recognition . 2011 (1)
[7]   Face recognition using discriminant locality preserving projections based on maximum margin criterion [J].
Lu, Gui-Fu ;
Lin, Zhong ;
Jin, Zhong .
PATTERN RECOGNITION, 2010, 43 (10) :3572-3579
[8]   Laplacian eigenmaps for dimensionality reduction and data representation [J].
Belkin, M ;
Niyogi, P .
NEURAL COMPUTATION, 2003, 15 (06) :1373-1396
[9]   EIGENFACES FOR RECOGNITION [J].
TURK, M ;
PENTLAND, A .
JOURNAL OF COGNITIVE NEUROSCIENCE, 1991, 3 (01) :71-86