基于大间距准则和图像矩阵双向投影的人脸特征提取方法

？传统基于降维技术的人脸特征提取需要将图像转换成更高维的向量,从而加剧维数灾难问题,对于采用Fisher优化准则的特征提取,这也会使小样本问题更加突出.基于图像的矩阵表示,本文提出了一种新的基于大间距准则和矩阵双向投影技术的人脸特征提取方法(Maximummargincriterionandimagematrixbidirectionalprojection,MMC-MBP).该方法一方面在计算散度矩阵时引入了能保持数据局部性的Laplacian矩阵,以保持数据的流形结构,从而提高识别正确率;另一方面采用了有效且稳定的大间距的优化准则即最大化矩阵迹差,能克服利用Fisher准则所带来的小样本问题;更重要的,MMC-MBP方法给出了求解最优双向投影矩阵的迭代计算过程,该迭代求解过程能保证目标函数的单调递增性、收敛性以及投影矩阵的收敛性,从而成功解决了传统基于张量(矩阵)投影技术的特征提取方法特征维数过高或者无收敛解的问题.最后广泛而系统的人脸识别实验表明,MMC-MBP的迭代求解过程能很快收敛,且相比Eigenfaces,Fisherfaces,Laplacianfaces等脸识别方法,具有更高的识别正确率,是一种有效的人脸特征提取方法.