基于局部信息融合的正交稀疏保留投影分析

袁安鼎，荊曉遠，吳 飛

(1.南京郵電大學 自動化學院，江蘇 南京 210023；2.南京郵電大學 通信與信息工程學院，江蘇 南京 210003)

基于局部信息融合的正交稀疏保留投影分析

袁安鼎1，荊曉遠1，吳 飛2

(1.南京郵電大學 自動化學院，江蘇 南京 210023；2.南京郵電大學 通信與信息工程學院，江蘇 南京 210003)

模式識別領域?qū)τ跇颖痉诸惻袆e的準則有很多，近期運用比較多的是將原始數(shù)據(jù)樣本的稀疏重構(gòu)關(guān)系保持到投影變換后的樣本空間中，從而增加分類的準確性。稀疏保留投影算法(SPP)就是基于該思想發(fā)展起來的典型算法。該算法在尋找最佳投影變換時是從樣本的全局角度出發(fā)，沒有考慮到樣本總體呈現(xiàn)非線性而局部線性的空間結(jié)構(gòu)，樣本間的局部信息對識別率同樣有很大的提升作用，同時SPP算法獲取的投影變化是非正交的，特征變換之間存在冗余信息，特征信息之間存在冗余的情況對于樣本分類過程存在很大的干擾項?；谝陨喜蛔阒?，提出基于局部信息融合的正交稀疏保留投影，將正交性以及樣本間的局部結(jié)構(gòu)信息融入SPP算法之中，同時在AR以及CAS-PEAL人臉庫上對所提算法進行驗證。

稀疏保留投影；局部近鄰信息；正交性；迭代終止準則

0 引 言

在圖像特征提取和識別技術(shù)中，子空間學習方法使用最為廣泛[1-2]，其中最經(jīng)典的有主成分分析(Principal Component Analysis，PCA)和線性鑒別分析(Linear Discriminant Analysis，LDA)。子空間相關(guān)方法能夠很好地解決樣本“維數(shù)災難”這一難題，該類方法的總體流程是把在高維空間中分布不是太密切的原始圖像樣本通過非線性或線性投影變換到一個由投影變換矩陣張成的低維子空間中，進而使得變換后的圖像樣本在子空間中分布較之于變換前更加緊湊，從而簡化分類過程中的計算復雜度等一系列問題[3-4]?！?br>