新的局部线性嵌入下的人脸识别方法.pdf

【人脸识别技术】 人脸识别是一种生物特征识别技术，它利用人的面部特征信息来进行个人身份的确认或验证。在本文中，作者提出了一种新的方法，即在局部线性嵌入（Local Linear Embedding, LLE）的基础上改进的人脸识别算法。 【局部线性嵌入（LLE）】 局部线性嵌入是一种非线性降维方法，主要用于高维数据的处理。LLE旨在保持数据点之间的局部结构，通过找到每个数据点的邻域并构建一个线性近似来实现降维。然而，LLE算法存在两个主要问题：一是无法对新收集的测试样本进行单独的降维处理，二是不利用样本点的分类信息。 【有监督增量式局部线性嵌入（Supervised Incremental Local Linear Embedding, SILLE）】 为了解决LLE的局限，作者提出了SILLE算法。该算法结合了监督学习的思想，允许对新样本进行单独的降维处理，同时利用样本的分类信息来提高识别效果。SILLE在处理新增样本时，可以更有效地减少计算时间，提升识别的准确性。 【小波变换】 小波变换是一种数学工具，能够将信号或图像分解成不同频率和位置的小波函数，从而提供多尺度分析。在人脸识别中，小波变换用于预处理图像，可以增强图像的局部特征，去除噪声，提高识别系统的稳健性和性能。 【实验与结果】 文章基于ORL数据库进行了实验，结果显示SILLE算法相比于传统的LLE算法，不仅显著降低了处理额外样本的计算时间，还提高了人脸识别的准确率，证明了这种方法的有效性。 【总结】 通过对局部线性嵌入的改进和引入监督学习机制，SILLE算法在人脸识别领域展现出优越的性能。结合小波变换的预处理步骤，进一步增强了算法的识别效率和准确性。这项工作对于高维数据的降维处理以及人脸识别技术的优化具有重要意义，为后续的研究提供了新的思路和方法。