具有最大散度无关性的局部保持投影算法

李 姝，于金刚

1(沈阳理工大学 装备工程学院，沈阳 110159) 2(中国科学院 沈阳计算技术研究所，沈阳 110168) E-mail ：lishucx@163.com

1 引 言

在复杂环境下的人脸识别中，由于受到人脸本身表情、年龄以及外部的光照等方面的影响，导致人脸图像存在许多的非线性结构.虽然经典的基于流形学习的人脸识别算法，如保持局部非线性结构不变的局部保持投影(Locality Preserving Projections，LPP)[1，2]算法，对于解决现实中的非线性问题有一定的贡献，但其忽略了人脸类间信息的价值.在实际应用中，高分辨率的人脸识别系统需要满足对于同一张人脸提取的特征具有稳定性，对于不同人脸提取的特征有差异性，因此要想达到高效的特征提取，引用类间信息是十分重要的.

本文基于LPP算法和最大散度准则(Maximum Scatter Difference Criterion，MSDC)[3，4]，提出了一种具有最大散度无关性的局部保持投影算法MULPP.该算法通过将最大散度差准则引入到LPP算法之中，即将最佳的类间信息引入到目标函数之中，使算法具有最大的类间散度和最小的类内散度，提高分类性能；并且将统计不相关的约束条件引入到算法中，通过求取最优的统计无关鉴别矢量集，能够有效地消除特征投影变换后各个特征分量之间的相关性，与此同时具有共轭正交性的鉴别矢量集，消除了特征间的冗余，更利于数据重构.此算法提高了人脸识别系统的识别性能，不需要复杂的分类器就能达到较高的识别率.

2 MSDC准则

MSDC准则是一种线性鉴别准则，其通过寻找到一个最优的变换矩阵，利用……