×

用于特征提取和识别的Fisher判别式的最佳对称零空间准则。 (英语) Zbl 1237.68175号

摘要:线性判别分析(LDA)是统计模式识别中最有效的特征提取方法之一,它通过最大化所谓的Fisher准则(定义为类间散布矩阵与类内散布矩阵之比)来提取判别特征。然而,由于潜在的小样本量(SSS)问题,高维统计数据的分类通常不适用于标准模式识别技术。解决SSS问题的一种流行方法是通过基于子空间的分解技术去除非格式化特征。基于这一观点,人们发展了许多精细的子空间分解方法,包括Fisherface、直接LDA(D-LDA)、完全PCA加LDA(C-LDA),随机判别分析(RDA)和多线性判别分析(MDA)等,特别是在人脸识别方面。然而,如何搜索一组用于判别分析的完全最优子空间仍是LDA领域的一个研究热点。本文提出了一种新的判别准则,称为最优对称零空间(OSNS)准则,该准则可用于计算Fisher最大判别准则与最小判别准则的结合。同时,根据改进的准则,分别构造了基于类内和类间散布矩阵的完全对称子空间。与只导出一个主子空间的传统子空间学习准则不同,在我们的方法中,通过优化OSNS准则,得到了两个零子空间及其正交补。因此,基于OSNS的算法有可能优于传统的LDA算法,尤其是在小样本量的情况下。在ORL、FERET、XM2VTS和NUST603人脸图像数据库上的实验结果证明了该方法的有效性。

MSC公司:

68吨10 模式识别、语音识别
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Belhumeur PN、Hespanha JP、Kriegman DJ(1997)《特征脸与渔夫脸:使用特定类别线性投影的识别》。IEEE Trans-Pattern Ana Mach Intell 19(7):711–720·Zbl 05111919号 ·doi:10.1109/34.598228
[2] Burges C(1998)模式识别支持向量机教程。Data Min Knowl光盘2(2):121–167·Zbl 05470543号 ·doi:10.1023/A:1009715923555
[3] Chen LF,Liao HY,Lin JC等(2000)一种新的基于LDA的人脸识别系统,可以解决小样本问题。图案识别33(10):1713–1726·兹布尔02180927 ·doi:10.1016/S0031-3203(99)00139-9
[4] Fukunnaga K(1999)《统计模式识别导论》,第2版。纽约学术出版社
[5] Kwak N,Oh J(2009)一类分类问题的特征提取:对有偏判别分析的增强。图案识别42:17–26·Zbl 1173.68670号 ·doi:10.1016/j.patcog.2008.07.002
[6] 梁振中,李玉凤,石PF(2008)二维线性判别分析的注记。图案识别通知29:2122–2128·doi:10.1016/j.patrec.2008.07.009
[7] Liu C,Wechsler H(2000)面向大型人脸数据库索引和检索的稳健编码方案。IEEE Trans-Image处理9(1):132–137·数字对象标识代码:10.1109/83.817604
[8] Liu C,Wechsler H(2002)使用增强的Fisher线性判别模型进行基于Gabor特征的人脸识别分类。IEEE传输图像处理11(4):467–476·Zbl 05453130号 ·doi:10.1109/TIP.2002.9999679
[9] ORL数据库(1992)at&T(奥利维蒂)研究实验室。可从以下位置获得http://www.uk.research.att.com/facedatabase.html
[10] Phillips PJ,Moon H,Rizvi SA等人(2000)人脸识别算法的FERET评估方法。IEEE Trans-Pattern Ana Mach Intell 22(10):1090–1104·Zbl 05112402号 ·doi:10.1109/34.879790
[11] Rueda L,Herrera M(2008)通过最大化变换空间中的Chernoff距离来降低线性维数。图案识别41:3138–3152·Zbl 1147.68691号 ·doi:10.1016/j.patcog.2008.01.016
[12] Skurichina M,Duin RPW(2002)线性分类器的打包、增强和随机子空间方法。模式分析应用5:121–135·Zbl 1024.68092号 ·doi:10.1007/s100440200011
[13] Turk M,Pentland A(1991)使用特征脸的人脸识别。摘自:IEEE计算机视觉和模式识别会议记录,美国HI毛伊岛,1991年6月,第586–591页
[14] Wang X,Tang X(2005)使用随机混合模型的子空间分析。摘自:IEEE计算机学会计算机视觉和模式识别会议记录,第574-580页
[15] 王毅,谭T,朱毅(2000)基于奇异值分解和径向基函数神经网络的人脸验证。In:第四届亚洲计算机视觉会议论文集,台湾台北,2000,第432-436页
[16] Wang HH,Zhou Y,Ge XL等(2007)人脸表征与识别的子空间演化分析。图案识别40:335–338·兹比尔1103.68790 ·doi:10.1016/j.patcog.2006.06.013
[17] XM2VTS数据库(2000)可从网址:http://www.ee.surrey.ac.uk/CVSSP/xm2vtsdb/
[18] 颜毅,张义杰(2008)一种新的人脸识别的类相关特征分析方法。图案识别通知29:1907–1914·doi:10.1016/j.patrec.2008.04.018
[19] 颜世聪,徐德,杨强等(2007)人脸识别的多线性判别分析。IEEE Trans-Image处理16(1):212-220·Zbl 05453841号 ·doi:10.1109/TIP.2006.884929
[20] Yang J,Yang JY(2001)人脸特征提取的最优FLD算法。摘自:《SPIE智能机器人和计算机视觉学报XX:算法、技术和主动视觉》,第438-444页
[21] Yang J,Yang JY(2002)从图像矢量到矩阵:一种简单的图像投影技术-IMPCA vs.PCA。模式识别器35(9):1997–1999·Zbl 1006.68865号 ·doi:10.1016/S0031-3203(02)00040-7
[22] Yang J,Yang JY(2003)为什么LDA可以在PCA转换空间中执行?图案识别36(2):563–566·Zbl 01972084号 ·doi:10.1016/S0031-3203(02)00048-1
[23] Yang J,Zhang D,Frangi AF等人(2004)二维主成分分析:一种基于外观的人脸表示和识别的新方法。IEEE Trans-Pattern Ana Mach Intell 26(1):131–137·Zbl 05110393号 ·doi:10.1109/TPAMI.2004.1261097
[24] Yang J,Frangi AF,Yang JY等人(2005)KPCA plus LDA:用于特征提取和识别的完整核Fisher判别框架。IEEE Trans-Pattern Ana Mach Intell 27(2):230–244·Zbl 05110640号 ·doi:10.1109/TPAMI.2005.33
[25] You QB,Zheng NN,Du SY等(2007)人脸识别邻域判别投影。图案识别通知28:1156–1163·doi:10.1016/j.patrec.2007.01.11
[26] Yu H,Yang J(2001)高维数据的直接LDA算法——应用于人脸识别。图案识别34(11):2067–2070·Zbl 0993.68091号 ·doi:10.1016/S0031-3203(00)00162-X
[27] Yu J,Tian Q,Rui T et al(2007)《融合判别和描述性信息进行降维和分类》。IEEE传输电路系统视频技术17(3):372–377·Zbl 05451710号 ·doi:10.10109/TCSVT 2007.890861
[28] Zhang XX,Jia YD(2007)基于随机子空间的人脸识别线性判别分析框架。图案识别40:2585–2591·Zbl 1118.68649号 ·doi:10.1016/j.patcog.2006.12.002
[29] Zhang L,Li SZ,Qu ZY et al(2004)增强基于局部特征的分类器用于人脸识别。摘自:IEEE视频人脸处理CVPR研讨会会议记录(FPIV 04),第87–92页
[30] 赵HT,袁PC,郭JT等(2004)基于增量PCA的人脸识别。摘自:第八届控制、自动化、机器人和视觉国际会议论文集,中国昆明,2004年12月,第687-691页
[31] Zhou DK,Yang X,Peng NS et al(2006)利用人脸全局和局部信息改进了基于LDA的人脸识别。图案识别通知27:536–543·doi:10.1016/j.patrec.2005.09.015
[32] 庄XS,戴DQ(2005)小样本问题的逆Fisher判别准则及其在人脸识别中的应用。图案识别38:2192–2194·兹比尔02212799 ·doi:10.1016/j.patcog.2005.02.011
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。