二维判别酉子空间保局投影在人脸识别中的应用

"这篇论文探讨了一种面向酉子空间的二维判别保局投影方法在人脸识别中的应用，旨在解决传统保局投影算法的非监督学习性质以及图像像素结构破坏的问题。该方法结合类别信息，在灰度矩阵上直接进行二维保局投影，通过酉空间上的复向量构造和线性判别分析来提取特征，提高了人脸识别的准确性和效率。在ORL、Yale和XJTU人脸数据库上的实验结果表明，该算法相对于2DLDA和2DLPP等传统方法，识别率提升了4到5个百分点。" 人脸识别是计算机视觉领域的一个重要课题，涉及到模式识别、图像处理等多个技术领域。局部保持投影（LPP）作为一种降维技术，能够在保留数据局部结构的同时降低数据维度，因此在人脸识别中有良好的表现。然而，LPP的非监督学习特性使其无法利用类别信息，同时将图像转化为向量的过程会破坏图像的像素结构，影响识别效果。 为了解决这些问题，论文提出了基于酉子空间的二维判别保局投影（2D Discriminant Locality Preserving Projection, 2DDLP）算法。酉子空间在这里扮演了关键角色，它是一个复数域上的线性空间，可以有效地处理复向量。2DDLP在判别保局投影（DLP）的基础上引入了类别信息，使得算法具备了监督学习的能力。此外，它直接在图像的灰度矩阵上进行水平和垂直方向的二维保局投影，保持了图像的局部结构，有利于模式识别。 在算法实现中，首先构造复向量，然后在酉空间中进行线性判别分析（LDA）。LDA是一种经典的特征选择和降维方法，尤其适用于分类问题，它通过最大化类间距离和最小化类内距离来提取特征。将LDA与保局投影相结合，2DDLP能够在降维的同时增强分类性能。 实验部分，该算法在ORL、Yale和XJTU三个标准人脸数据库上进行了验证。这些数据库包含了不同光照、表情和角度的人脸图像，具有一定的挑战性。实验结果证实，2DDLP算法的识别率相较于传统的2DLDA和2DLPP有显著提升，提高了4到5个百分点，显示了其在人脸识别任务上的优越性。 这篇论文提出的2DDLP算法通过结合类别信息和保局投影的局部保持特性，以及在酉子空间上的复向量处理，提供了一种更有效的人脸识别方法。这一创新方法对于进一步优化人脸识别系统，尤其是在复杂环境下的识别性能，具有重要的理论和实践意义。