论文研究典型相关分析融合全局和局部特征的人脸识别.pdf

为了解决流形学习不能充分利用样本类别信息的问题，提出了一种基于划分的有监督局部切空间排列算法，并将其应用于人脸识别。新算法采用基于动态粒子群算法的有监督的K-均值聚类算法确定样本的聚类中心，将样本划分

提出了一种基于复合矢量场的改进ACM模型分割算法。采用广义模糊理论对图像进行处理，得到较理想的边缘映射图，在此基础上构建一个复合矢量场替代原有的力场，使得图像的分割结果有了较大的改进。实验结果证明，该

核主成分分析是主成分分析在核空间中的非线性推广，能有效应用于人脸识别，但是识别过程时间开销过大仍是待解决的问题。提出了一种结合离散余弦变换和核主分量分析的人脸识别方法。对人脸图像进行离散余弦变换，选择

针对不可控条件对人脸识别的影响，提出一种基于多尺度分块局部二值模式（Multi-scaleBlockLocalBinaryPatterns，MB-LBP）和Fisherfaces融合的人脸识别算法。采

针对现有人脸识别方法对人脸角度、表情、姿态等因素较为敏感且准确率低的问题，提出了一种基于距离限定优化算法的人脸识别模型。该模型对人脸识别方法的改进有两点：a）利用LBP算子提取人脸图像纹理谱特征图，然

针对现有的基于稀疏表示的人脸识别方法没有更新优化选择的原子的问题，提出一种基于子空间追踪的人脸识别方法。在稀疏编码过程中的原子选择步骤中，引入回溯迭代优化思想和多原子选择方案，通过移除可信度较低的原子

提出了一种基于矩阵模式的人脸表情识别方法。该算法直接将人脸表情图像矩阵作为矩阵模式，并结合传统PCA和FLDA进行表情特征提取，称之为MatPCA和MatFLDA。与2DPCA等不同，该算法既利用图像

提出分块独立成分分析的特征抽取方法，并成功应用于人脸识别。分块独立成分分析方法先对图像矩阵进行分块；然后对所有图像子块联合进行独立成分分析，构造特征空间；最后把图像所有的子块投影到特征空间提取特征进行

为了克服传统模糊C-均值(fuzzyC-means,FCM)聚类算法特征描述单一、易受复杂灰度影响而出现误分割的缺点,将万有引力和图像局部熵融入到FCM算法。算法首先引入图像局部信息熵来描述节点(像素

提出了用于处理多峰问题的本地Fisher判别分析(LFDA)。 它不仅结合了用于保存高维数据局部结构的局部保留投影(LPP)的思想,而且还结合了用于获得判别力的Fisher判别分析(FDA)的思想。