基于小波和非负稀疏矩阵分解的人脸识别方法

Wavelet-based Non-negative Matrix Factorization with Sparseness Constraints for Face Recognition

欧阳怡彪 蒲晓蓉 章毅

提出了利用小波变换（WT）、非负稀疏矩阵分解（NMFs）和Fisher线性判别（FLD）来进行人脸识别。用小波变换分解人脸图像，选择最低分辨率的子段，既能捕获到人脸的实质特征，又有效地降低了计算复杂性；非负稀疏矩阵分解能显示地控制分解稀疏度和发现人脸图像的局部化表征；Fisher线性判别能在低维子空间中形成良好的分类。实验结果表明。这种方法对光照变化、人脸表情和部分遮挡不敏感，具有良好的健壮性和较高的识别效率。

基于RMFA-ICA的人脸识别

Face recognition using independent component analysis based on restricted mean field approximation

刘直芳 游志胜 张继平

针对有噪的ICA模型，提出一种有限制的平均场近似（restrictive mean field approximation，RMFA）的算法来求解ICA模型参数和源信号的估计问题。在传统MFA—ICA算法的基础上，提出将ICA中的模型参数和源信号均限制为非负，目的是使得提取出的特征更独立，更利于识别。通过手写体数字和仿真模拟人脸图形以及ORL人脸数据进行实验，将RMFA—ICA算法与传统的ICA算法和无限制的MFA—ICA算法进行比较，对于手写体数字和仿真模拟人脸图形，RMFA—ICA算法能分离出更独立的特征，对于ORL人脸数据，其结果表明，利用RMFA—ICA算法明显优于传统ICA算法和无限制MFA—ICA算法识别结果。

一种新的中心对称聚类算法

林嘉宜 许剑峰 彭宏

Data clustering is an important reserch field in data mining.The key of the clustering algorithm is the distance measure.In this paper,we put forward a new distance measure based on central symmetry,Then we apply it to data clustering.The experimental studies prove the feasibility of this algorithm and get a satisfied result in face detection.

基于整体特征的人脸识别方法的研究

杜平 徐大为 刘重庆

分析了传统的基于整体特征的人脸识别方法(如PCA和FLD等)的原理及其局限性，提出将增强型Fisher判别(EFM)应用于人脸识别中。基于EFM的人脸识别的实验取得了良好的实验结果，与PCA和FLD等方法相比优势明显，并适合于大型人脸数据库的识别任务。

人脸识别技术的比较与结合

Combination and Compare of the Face Recognition Technology

王娟 汪红 陈文峰

本文主要介绍了人脸图像特征提取的三种算法，包括PCA算法，DCT算法以及FLD算法，着重分析了PCA＋FLD，DCT＋FLD两种结合算法的原理。实现方法和步骤以及各自的优缺点。

有限制的MFA-ICA的算法及其在图像特征提取中的应用

刘直芳 游志胜 张继平

传统的独立成分分析(Indepenclent Component Analysis，ICA)是一种无噪声模型，而实际应用中噪声是存在的。根据多元统计中的因子分析模型，改变其假设条件，从而得到一种有噪声ICA模型，对于模型参数，引入平均场近似(Mean Field Approximation，MFA)原理来求解。针对图像特征提取，通过增加对模型参数的一些限制，使其能得到更为独立的图像特征，为图像识别提供更可靠的特征信息，从而大大提高识别率。通过仿真模拟图形以及ORL人脸数据进行实验，将传统的独立成分分析算法、无限制的MFA-ICA算法以及增加限制条件的MFA-ICA算法进行比较，从仿真模拟图形实验结果看，限制的MFA-ICA算法能分离出更独立的特征，同时利用限制的MFA-ICA算法识别效果明显优于传统ICA算法和无限制MFA-ICA算法。