一种基于双子空间的人脸美感分析方法

子空间技术是一种有效的人脸美感本征描述方法.为了克服单一子空间在人脸图像美感描述方面的不足,提出了一种基于主成分分析(PCA)与广义矩阵低秩逼近(Generalized low rank approximation matrix,GLRAM)双子空间的自动人脸美感分析方法.通过组合PCA和GLRAM子空间获取人脸美感特性的全局及局部本征描述,并利用高斯场模型(Gaussian field model,GF)构造组合子空间的内在几何结构关系.实验选用了一个光照、背景、表情、年龄和种族等变化比较显著的数据库,结果表明,提出的基于双子空间算法优于基于单一子空间的人脸美感分析方法.     

LSPSA:基于局部结构保持的共享子空间分析

多输出正则投影(MORP)算法将输入特征向量和由类标签形成的多输出特征向量经过因子分解方法映射到一个共享子空间,从而建立输入特征与类标签的关联。在MORP的基础上,通过引入图约束,提出了一种基于局部结构保持的共享子空间分析方法(LSPSA),该方法在获取共享信息的同时,保持原始多视角特征空间与共享子空间中的数据具有相近的局部几何结构关系,从而避免多视角数据在共享子空间的过拟合问题。此外,还提出了一种图模型逼近方法,实现了LSPSA的在线扩展,解决了在线获取新测试样本在共享子空间中表征的高复杂度问题。在UCI多特征手写体数据库上的分类及检索实验验证了所提出的算法的有效性。