针对NMF(非负矩阵分解)算法基于局部特征提取的特点,提出了一种对NMF基矩阵的处理方法,以提高在局部遮挡环境下人脸识别系统的识别率。首先使用离散小波变换得到样本的低频信息,利用NMF得到基矩阵;然后通过阈值判断提取能够突出表现人脸特征的部分,得到优化后的特征子空间,并将样本在该子空间上投影;最后使用支持向量机对所得到的投影系数分类。实验结果表明,优化算法其运算时间

第3卷第 5 9期 21年 5 02月一

计

算

机

科

学

Vo . 9N o 5 13 .M a O1 y2 2

Co mpu e Sce e tr i nc

种改进的基于 NMF的人脸识别方法林庆李。佳雍建平廖定安。

(江苏大学计算机科学与通信工程学院镇江 2 2 1) ( 10 3南京大学计算机科学与技术学院南京 20 9) 10 4。(常州纺织服装职业技术学院信息技术系常州 2 3 6 ) 1 14。摘要针对 NMF非负矩阵分解)法基于局部特征提取的特点，出了一种对 N基矩阵的处理方法. (算提以提高

在局部遮挡环境下人脸识别系统的识别率。首先使用离散小波变换得到样本的低频信息，用 N得到基矩阵；利然

后通过阈值判断提取能够突出表现人脸特征的部分，得到优化后的特征子空间，并将样本在该子空间上投影；最后使用支持向量机对所得到的投影系数分类。实验结果表明，优化算法其运算时间较短，且能有效地提高人脸在部分遮挡环境中的识别率。 关键词非负矩阵分解，离散小波变换，脸识别，矩阵人基 T 3 1 4 P 9.1文献标识码 A 中图法分类号

I p o e c e o n to e ho s d o m r v d Fa eR c g ii n M t d Ba e n NM F

I1 Qig’ N n

L i YONG iwpn LI IJa Ja ig AO n -n Dig a a

( c o l f;mp t r ce c n l o Shoo ( o u e i ea dTee mmu i t n n i e r g Ja g u Unv ri, h n i g 2 2 1, hn ) S n c nc i sE gn e i,in s iest Z e j n 1 0 3 C ia ao n y a ( h o f o ue c n ea dTe h o o y Na j gUn v r i f c n ea dTe h oo y Na j g 2 0 9, h n ) c S o l mp t r i c n c n lg, n i iest o i c n c n lg, ni 1 0 4 C ia oC S e n y S e n()p rme to n o ma in e h oo y, a g h x i r e tI tt t, a g ho 31 4, i ) Ie a t n fI f r t F c n lg Ch n z ouTe t

l Gam n nsiu e Ch n z u21 6 Chna。 o e

A￣t c No e a ie marx fco iain( m t mn g t ti a trz t v o NM F) i t o fp rsb s d fau e e ta t n a c r ig t hs s a meh d o a t— a e e tr x rci, co dn o t i oc a a t rsi. mp o e l o i w e l g wi h r c e itc An i r v d ag rt n d a i t NM F b s swa t o u e o e h n e p r il c l s n f c e o n— l n h a i si r d c d t n a c a t cu i a e r c g i n ao o t n r t . r ty d s r t v ltta s o m a in wa s d t r d c e r s n a i n i h w r q e c o i, n i a e Fis l, ic e e wa ee r n f r t su e o p o u ea r p e e t t t e l fe u n y d ma n a d o o o n o b sc ma rx wa o c o dn o t e NM F me h d S c n l p rs o a e f a u e ih p s e so t t n i g p ro - ai t i sg ta c r i g t h t o . e o d y, a t ff c e t r s wh c o s s u sa d n e f r

ma c r e t ce y tr s od v l e g n s a d te r u e of r pi zd fc l u s a efau e Th n ewee x r td b h eh l au d me t,n h ywee sd t m o t e a i b p c e tr . e a j u o mi as t i n n et g i g sweep oe tdt h p i zd s b p c e tr. i l u p r e t r c iew su e r n ga dt i a i s n ma e r rjce t eo t e u s aefau e F n l s p o t c hn a s d o mi ay v o maf r ca sf a i n Ex e i n s s o t a h mp o e l o ih’ o o ls ii t . p rme t h w h tt e i r v d a g rt m s c mp tn i s s o t a d t i m

e h d a h e e c o u i g tme i h r, n h s t o c iv s r ma k b ee f c s u d r l e p rily o c u e ic ms a c . e r a l fe t n e 1 a t l c l d d cr u t n e 1 aKe wo d NM F, y rs DW r, c e o n t n, sc ma rx I Fa e r c g ii Ba i、 o ti

人脸识别是近年来模式识别的一个热点研究领域，随着计算机技术的发展，已经取得了很大的进步。现行的很多方

H的乘积，最后针对低维矩阵进行分类。它们在分解过程中都允许出现负值，但在实际中负值并没有物理意义，而且系数之间的正负会相互抵消，从而削弱特征，导致识别率下降。 19 9 9年， e L e和 S u g提出 j非负矩阵分解 ( o n g en’ N n ea t eMar atr ain NMF算法L, i txF coi t, v i z o ) 2即在分解过程中对

法都要求具有良好的环境基础，在实际生活当中，但由于职业、隐私、宗教等一系列的原因，有眼镜、会口罩等遮挡物，而这些会导致系统识别率的下降。 人脸识别就是在人脸图像范围内提取出有利于分类的特征，并据此进行分类识别，般包括预处理、一特征提取和分类 3个部分。人脸识别是典型的高维小样本训练问题，中关其键部分是特征提取，一个有效的降维方法能够提高整个系统的效率和识别率。子空间分析法是当前人脸识别中的主流方法之一，它具有描述性强、算代价小、计易实现及可分性好等特点[。目前常用的子空间分析法有主元分析法 ( E、 1] P A)线性判决分析法 ( D和独立元分析法 (C。这三者的共性 L A) IA)是先将整个图像转为向量形式写人一个大矩阵中，再根据各自相应的运算准则，将近似分解为两个低维矩阵 w和

基图像的像素点和重建系数都施加非负约束，这样重建图像就由基图像加性地叠加组合而成，它是一种基于局部特征的

分解方法[, 3符合人类思维中“]局部构成整体”的概念。但是直接用 NMF进行人脸特征提取， NMF基矩阵存在大量的冗

余信息，不利于分类的进行。因此，究者们提出了几种改进研算法，如局部非负矩阵分解 ( NMF、 i

e L ) Fs r非负矩阵分解 h

( NMF、疏非负矩阵分解 ( NMF)加权非负矩 …… 此处隐藏：1819字，全部文档内容请下载后查看。喜欢就下载吧 ……