[发明专利]基于局部关联保持的人脸图像降维方法

权利要求书

1.一种基于局部关联保持的人脸图像降维方法，其特征是，首先用多维向量表示人脸图像，依据两向量差向量的范数得到每个向量的k个近邻，并按照径向基函数计算每个向量的k个近邻的归一化的权重；计算每个向量与其k个近邻加权之和的差向量，通过每个差向量的转置与其本身相乘得到矩阵，将所有向量对应的矩阵相加，得到局部关联保持矩阵；通过计算局部关联保持矩阵的特征值及特征向量，并选择部分大的特征值对应的特征向量作为基向量组成投影矩阵，实现降维；人脸图像通过投影矩阵影射到低维空间，在低维空间实现人脸图像识别。

2.一种基于局部关联保持的人脸图像降维方法，其特征是，具体步骤为：

步骤一：将m幅大小为s×t个像素点的人脸图像表示为s×t维的行向量x₁,x₂，…,x_i，…,x_m，其中m为人脸图像个数，s为图像行像素点数，t为列图像列像素点数，x_i表示第i幅人脸图像对应的s×t维的行向量，这m幅人脸图像包含p个人，每人幅图像；

步骤二：对于任意一个行向量x_i(i∈{1,2,…,m})，计算(j∈{1,2,…,m}且j≠i)，从中选择k个(k=9)使得d_ij最小的行向量，组成集合记为Ne(x_i)；其中‖·‖表示向量的范数，d_ij表示x_i-x_j所得差向量的范数；

步骤三：计算权重矩阵W，矩阵第i行第j列成员记为w_ij；

步骤四：计算每个行向量对应的差向量，并计算局部关联保持矩阵V；

步骤五：求解矩阵V的特征值及特征向量，选择d个最大的特征值对应的特征向量，并由该d个特征向量作为列组成一个矩阵，称为投影矩阵M；d＝min(m,n)，其中n＝r(V)为矩阵V的秩；

步骤六：将p个人的任意一个人脸图像行向量通过步骤5得到的投影矩阵M映射到低维空间。

3.如权利要求2所述一种基于局部关联保持的人脸图像降维方法，其特征是，所述步骤三中权重矩阵W的第i行第j列成员w_ij定义如下：

其中σ=Σi=1mΣj=1m||xi-xj||2/m(m-1).]]>