[发明专利]一种基于邻域保持的鉴别嵌入人脸识别方法

摘要

本发明涉及人脸识别技术领域，具体涉及一种基于邻域保持的鉴别嵌入人脸识别方法，包括S1去除训练样本集离散度矩阵ST的零空间，通过采用主成分分析算法PCA对训练样本集进行初始降维，获得一次降维训练样本集和一次降维训练样本矩阵，S2在一次降维训练样本集中计算类内离散度矩阵SW的零空间N(SW)，SW的零空间N(SW)中类内离散度矩阵的迹(或者行列式)为零，S3然后在零空间N(SW)中通过最大化加权的类间离散度矩阵的迹(或行列式)P(SB)得到增强身份差分量的(子空间)对应投影矩阵，公式为N(SW)∩P(SB)。本发明能够减轻人脸图像中的光照变化和表情等因素对鉴别信息提取的影响。

主权项

一种基于邻域保持的鉴别嵌入人脸识别方法，其特征在于：包括以下步骤：S1：利用Gabor小波变换获得图像局部区域内多个方向的空间频率和局部性结构特征，在2D形式中，Gabor滤波器定义为一个用高斯函数约束的平面波，其公式为：ψμ,v(z→)=||kμ,v||2σ2e-||kμ,v||2||z|→|2σ2[eikμ,vz→-e-σ22]---(8)]]>利用上面定义的Gabor函数和图像的卷积求得Gabor小波变换，其中，方括号中的第一项决定了Gabor核的震荡部分，第二项则为补偿直流分量，用以消除核函数响应对图像亮度绝对值变化的依赖性，参数μ和v分别定义了小波核函数的方向和尺度，||·||表示某范数，参数σ决定了窗口宽度和波长的比例关系，通常kμ,v定义为这里kv＝kmax/fv，φμ＝πμ/8，其中kmax是最高的频率，f是频率域中不同核之间的距离，S2：去除训练样本集离散度矩阵ST的零空间，通过采用主成分分析算法PCA对训练样本集进行初始降维，获得一次降维训练样本集和一次降维训练样本矩阵，S3：在一次降维训练样本集中计算类内离散度矩阵SW的零空间N(SW)，SW的零空间N(SW)中类内离散度矩阵的迹或者行列式为零，S4：然后在零空间N(SW)中通过最大化加权的类间离散度矩阵的迹或行列式P(SB)得到增强身份差分量的对应投影矩阵，公式为：N(SW)∩P(SB)，S5：Gabor小波变换和投影矩阵进行矩阵运算，得到降维后的一组向量来表示输入的人脸图图像。