專利名稱：：一種建立投影空間的方法和裝置的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及模式識別
技術(shù)領(lǐng)域：
，特別涉及一種建立投影空間的方法和裝置。
背景技術(shù)：
：隨著數(shù)字圖像容量的快速增長，對模式識別技術(shù)的要求也越來越高，模式識別技術(shù)的一個關(guān)鍵技術(shù)是圖像特征提取，而圖像特征提取主要是通過建立投影空間，然后將原始圖像空間通過投影空間進行投影，提取到圖像特征，因此建立的投影空間的好壞，很大程度上決定了圖像特征提取的優(yōu)劣。目前，主要通過下面的方法建立投影空間1)通過線性降維方法，如PCA(PrincipleComponentAnalysis,主成分分析)、LDA(LinearDiscriminationAnalysis,線性鑒別分析)和測度MDS(MetricMultidimensionalScaling,多尺度分析)等，建立投影空間。2)通過非線性降維方法，如LPP(LocalityPreservingProjections,保局投影)等，建立投影空間。在實現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)至少存在以下缺點1)當圖像空間是線性的情況下，通過線性降維方法可以有效地建立投影空間，但目前多數(shù)圖像空間是高度非線性的，對于高度非線性的圖像空間，線性降維方法不再適用。2)現(xiàn)有技術(shù)中通過非線性降維方法建立投影空間時，只考慮圖像空間的局部信息，忽略了圖像空間全局信息的優(yōu)化，建立的投影空間的精確度低。
發(fā)明內(nèi)容為了適用于高度非線性的圖像空間、并提高建立投影空間的精確度低，本發(fā)明實施例提供了一種建立投影空間的方法和裝置。所述技術(shù)方案如下一方面，本發(fā)明實施例提供了一種建立投影空間的方法，所述方法包括根據(jù)原始空間的N個人臉圖像，建立有權(quán)光譜圖，獲取拉普拉斯算子矩陣，所述N大于1;6基于隨機游走模型，利用所述拉普拉斯算子矩陣，獲取交互時間矩陣；根據(jù)優(yōu)化原則，利用所述交互時間矩陣，建立最優(yōu)化問題，解優(yōu)化得到廣義特征值和廣義特征向量；利用所述廣義特征值和所述廣義特征向量，建立投影空間。另一方面，本發(fā)明實施例還提供了一種建立投影空間的裝置，所述裝置包括有權(quán)光譜圖建立模塊，用于根據(jù)原始空間的N個人臉圖像，建立有權(quán)光譜圖，所述N大于l:拉普拉斯算子矩陣獲取模塊，用于根據(jù)所述有權(quán)光譜圖，獲取拉普拉斯算子矩陣；交互時間矩陣獲取模塊，用于基于隨機游走模型，利用所述拉普拉斯算子矩陣，獲取交互時間矩陣；特征值和特征向量獲取模塊，用于根據(jù)優(yōu)化原則，利用所述交互時間矩陣，建立最優(yōu)化問題，解優(yōu)化得到廣義特征值和廣義特征向量；投影空間建立模塊，用于利用所述廣義特征值和所述廣義特征向量，建立投影空間。本發(fā)明實施例提供的技術(shù)方案的有益效果是通過建立有權(quán)光譜圖，基于隨機游走模型建立投影空間，適用于高度非線性的圖像空間，并且建立投影空間時不但考慮了圖像空間的局部特征，而且也強調(diào)圖像空間全局信息的優(yōu)化，提高了投影空間的精確度。圖1是本發(fā)明實施例1提供的一種建立投影空間的方法流程圖；.圖2是本發(fā)明實施例2提供的一種建立投影空間的方法流程圖3是本發(fā)明實施例3提供的一種建立投影空間的裝置結(jié)構(gòu)示意圖。具體實施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進一步地詳細描述。實施例1參見圖l，本發(fā)明實施例提供了一種建立投影空間的方法，包括101:根據(jù)原始空間的N個人臉圖像，建立有權(quán)光譜圖，N大于l;102:根據(jù)有權(quán)光譜圖，獲取拉普拉斯算子矩陣；103:基于隨機游走模型，利用拉普拉斯算子矩陣，獲取交互時間矩陣；104:根據(jù)優(yōu)化原則，利用交互時間矩陣，建女-最優(yōu)化問題，解優(yōu)化得到廣義特征值和廣義特征向量；105:利用廣義特征值和所述廣義特征向量，建立投影空間。其中，根據(jù)原始空間的N個人臉圖像，建立有權(quán)光譜圖，包括對原始空間的N個人臉圖像進行預處理，得到N個像素集合；將N個像素集合中的每個像素集合，分別作為有權(quán)光譜圖的一個結(jié)點F;計算有權(quán)光譜圖中各個結(jié)點之間的距離；根據(jù)有權(quán)光譜圖中各個結(jié)點之間的距離，獲取有權(quán)光譜圖的各個節(jié)點之間的邊。其中，根據(jù)有權(quán)光譜圖，獲取拉普拉斯算子矩陣，包括根據(jù)有權(quán)光譜圖中各個結(jié)點之間的距離，使用近鄰法，計算得到有權(quán)光譜圖的權(quán)重矩陣；將權(quán)重矩陣對角化，得到有權(quán)光譜圖的散度算子矩陣；將散度算子矩陣減去所述權(quán)重矩陣，得到拉普拉斯算子矩陣。其中，基于隨機游走模型，利用拉普拉斯算子矩陣，獲取交互時間矩陣，包括基于隨機游走模型，利用拉普拉斯算了矩陣，計算得到有權(quán)光譜圖的隨機游走時間矩陣；選擇并利用核函數(shù)對隨機游走時間矩陣進行核函數(shù)映射，得到交互時間矩陣。.其中，根據(jù)優(yōu)化原則，利用交互時間矩陣，建立最優(yōu)化問題，包括根據(jù)原始空間兩結(jié)點間的隨機游走時間越小，投影空間兩結(jié)點間的距離越近，和交互時間矩陣中的隨機游走時間，建立優(yōu)化條件具體為其中，Z、/e[l,AT)、cw^.表示結(jié)點K到結(jié)點^的隨機游走時間、_y,:M/x,、力=>/、《表示原始空間的第；個人臉圖像的像素集合、表示原始空間的第y'個人臉圖像的像素集合，w表示投影向量；對優(yōu)化條件進行數(shù)學變化，得到其中，義-h,x2,…，;cJ表示原始空間的N個人臉圖像的像素集合、r表示對角矩陣、7;=、G=r-c、c表示交互時間矩陣；建立優(yōu)化條件的必要約束條件具體為建立最優(yōu)化問題具體為Iargmiriw7jK7X'm'W^m:7w'=i其中，利用廣義特征值和廣義特征向量，建立投影空間，包括-對廣義特征值進行排序；按廣義特征值從小到大的順序，依次選取至少一個廣義特征值對應的廣義特征向量，作為投影空間。本實施例所述的方法，通過建立有權(quán)光譜圖，基于隨機游走模型建立投影空間，適用于高度非線性的圖像空間，并且建立投影空間時不但考慮了圖像空間的局部特征，而且也強調(diào)圖像空間全局信息的優(yōu)化，提高了投影空間的精確度，利用該投影空問提取特征時，可以提高提取特征的精確度和識別率。另外，只需要在訓練階段建立一次投影空間，實際應用中較為方便。實施例2參見圖2，本發(fā)明實施例提供了一種建立投影空間的方法，包括201:對原始空間的N個人臉圖像進行預處理，得到N個像素集合。，預處理的過程為將彩色圖像轉(zhuǎn)換為灰度圖像；通過直方圖平衡法做光照補償，得到人臉圖像對應的像素集合。本實施例中得到N個人臉圖像中每個人臉圖像對應的像素集合依次為x,xw。并且N個人臉圖像可稱為訓練樣本。202:利用N個像素集合，建立有權(quán)光譜圖。具體為(1)將N個像素集合的每個像素集合，分別作為有權(quán)光譜圖G-(K，E)的一個結(jié)點F，即有權(quán)光譜圖G中包含N個結(jié)點依次為^、K…&,，且^-Xp^-jc"...,^:.^。(2)計算有權(quán)光譜圖G的各個結(jié)點r之間的距離。其中，有權(quán)光譜圖G中結(jié)點^和結(jié)點K,.之間的距離J(/,力如式(1)所示=(1)其中丄ye[l，AT]。需要說明的是距離有很多種表示方法，例如歐式距離、馬式距離等。在本實施例中選擇歐氏距離，實際應用中可以根據(jù)需要選擇任一距離的表示方法。(3)根據(jù)有權(quán)光譜圖G中各個結(jié)點之間的距離，獲取有權(quán)光譜圖G的各個節(jié)點之間的邊￡。其中，有權(quán)光譜圖0=(7，￡)中結(jié)點^和結(jié)點^之間的邊如式(2)所示戶，"(/,》0w其中，z'、j'e[l，W]。203:根據(jù)有權(quán)光譜圖，獲取拉普拉斯算子矩陣。具體為(1)根據(jù)有權(quán)光譜圖中各個結(jié)點之間的距離，使用近鄰法，計算得到有權(quán)光譜圖G的權(quán)重矩陣X。其中，權(quán)重矩陣^中的每個元素為"—如果/是/的々近鄰=io其他其中，/、/e[l，W〗。(2)將權(quán)重矩陣^對角線化，得到有權(quán)光譜圖G的散度算子矩陣D如式(3)所示Z)=c(V"g(",)(3)其中'《-[D]〃-",S二、"乂e[l，W]。(3)將散度算子矩陣Z)減去權(quán)重矩陣J，得到拉普拉斯算子矩陣Z如式(4)所示^(4)204:基于隨機游走模型，利用拉普拉斯算子矩陣，計算并得到有權(quán)光譜圖的隨機游走時間矩陣。其中，隨機游走時間矩陣中，結(jié)點K,和結(jié)點^之間的隨機游走時間"(z,y)具體如式(5)所示"(/，y)=awW,力+cotZ(j',0(5)其中，/、/e[l,iV]，，/(/,/)表示結(jié)點K到結(jié)點^的隨機游走時間，cw/(/，/)表示結(jié)點^到結(jié)點「的隨機游走時間，并且c附他/)可以簡寫為cm。205:選擇并利用核函數(shù)對隨機游走時間矩陣進行核函數(shù)映射，得到交互時間矩陣。其中，選擇核函數(shù)如式(6)所示/(x)-exp(-x)(6)利用核函數(shù)對隨機游走時間《(z',y)進行映射，得到有權(quán)光譜圖的交互時間矩陣c為cmu,cw/12，.....cm,lncw/21,cw/22,.....cw/^需要說明的是，本實施例中選擇的^函數(shù)如式(6)所示，實際應用中并不限于本實施例所述形式的核函數(shù)。206:根據(jù)優(yōu)化原則，利用交互時間矩陣，建立最優(yōu)化問題，解優(yōu)化得到廣義特征值和廣義特征向量。具體為(1)根據(jù)原始空間兩結(jié)點間的隨機游走時間越小，投影空間下兩結(jié)點間的距離越近，也就是求取廣義正交投影w使在低維空間下的距離可以很好的反映出高維空間中的隨杉L游走時間，并根據(jù)交互時間矩陣C中的隨機游走時間，建立優(yōu)化條件如式(7)所示10min(^"S!'y(乂-力)2，)(7)其中，/、/eU，W]、c附^.表示結(jié)點K到結(jié)點7,的隨機游走時間、X=m/、、=w、、x,表示原始空間的第^個人臉圖像的像素集合、x,表示原始空間的第y個人臉圖像的像素集合、w表示投影向量。對式(7)進行數(shù)學變化，得到式(8):會H,U—力)2一,"G義'w(8)其中，/、y'e[l,W]、I二h,;c2,…,xJ表示原始空間的N個人臉圖像的像素集合、r表示對角矩陣、7;,=!],,,、G=C、C表示交互時間矩陣。為了防止維數(shù)沖撞，并為了保證每個結(jié)點的公平性，對優(yōu)化條件增加必要約束條件如式(9)所示/7>=1，即w'XTX7w=1(9)建立最優(yōu)化問題的表達式如式(10)所示argminw'XGA^w<w(10)式(10)為經(jīng)典的黎曼積分形式，對黎曼積分優(yōu)化求解的過程可以轉(zhuǎn)化為特征值的求解，根據(jù)優(yōu)化論和矩陣分析，將黎曼積分優(yōu)化式子轉(zhuǎn)變?yōu)槿缡?11)所示對式〔ii)解優(yōu)化得到廣義特征值和廣義特征向量。207:利用廣義特征值和廣義特征向量，建立投影空間。具體為對廣義特征值進行排序；按廣義特征值從小到大的順序，依次選取至少一個廣義特征值對應的廣義特征向量作為投影空間。需要說明的是，解優(yōu)化求解出的廣義特征向量和廣義特征值不止一維，為了建立全局最小的優(yōu)化投影空間，因此將廣義特征值排序，選取最小的幾個廣義特征值對應的廣義特征向量作為投影空間。并且，排序可以是按照從大到小或從小到大的順序，對廣義特征值進行排序?？梢愿鶕?jù)具體情況，選取廣義特征向量的個數(shù)，如可以選取最小的6個廣義特征值對應的6個廣義特征向量、最小的12個廣義特征值對應的12個廣義特征向量等。建立投影空間后，就可以利用投影空間提取原始空間特征，進行圖像識別。本實施例采用PCA算法、LPP算法和本發(fā)明實施例所述的方法，在人臉數(shù)據(jù)庫上進行實驗，實驗結(jié)果如表l所示。表1<table>tableseeoriginaldocumentpage11</column></row><table>從表1可以看出，針對不同的測試數(shù)據(jù)庫，本發(fā)明實施例所述的方法的識別率均高于其它兩種方法的識別率。本發(fā)明實施例所述的方法，通過建立有權(quán)光譜圖，基T隨機游走模型建立投影空間，適用于高度非線性的圖像空間，并且建立投影空間時不但考慮了圖像空間的局部特征，而且也強調(diào)圖像空間全局信息的優(yōu)化，提高了投影空間的精確度，利用該投影空間提取特征時，可以提高提取特征的精確度和識別率。另外，只需要在訓練階段建立一次投影空間，實際應用中較為方便。實施例3參見圖3，本發(fā)明實施例還提供了一種建立投影空間的裝置，具體包括有權(quán)光譜圖建立模塊301，用于根據(jù)原始空間的N個人臉圖像，建立有權(quán)光譜圖，N大于l;拉普拉斯算了矩陣獲取模塊302，用于根據(jù)有權(quán)光譜圖，獲取拉普拉斯算子矩陣；:交互時間矩陣獲取模塊303，用于基于隨機游走模型，利用拉普拉斯算子矩陣，獲取交互時間矩陣；特征值和特征向量獲取模塊304，用于根據(jù)優(yōu)化原則，利用交互時間矩陣，建立最優(yōu)化問題，解優(yōu)化得到廣義特征值和廣義特征向量；投影空間建立模塊305，用于利用廣義特征值和廣義特征向量，建立投影空間。其中，有權(quán)光譜圖建立模塊301包括預處理單元，用于對原始空間的N個人臉圖像進行預處理，得到N個像素集合，N大于l;有權(quán)光譜圖結(jié)點獲取單元，用于將N個像素集合中的每個像素集合，分別作為有權(quán)光譜圖的一個結(jié)點F;計算單元，用于計算有權(quán)光譜圖中各個結(jié)點之間的距離；有權(quán)光譜圖邊獲取單元，用于根據(jù)有權(quán)光譜圖中各個結(jié)點之間的距離，獲取有權(quán)光譜圖的各個節(jié)點之間的邊其中，拉普拉斯算子矩陣獲取模塊302包括權(quán)重矩陣獲取單元，用于根據(jù)有權(quán)光譜圖中各個結(jié)點之間的距離，使用近鄰法，計算得到有權(quán)光譜圖的權(quán)重矩陣；散度算子矩陣獲取單元，用于將權(quán)重矩陣對角化，得到有權(quán)光譜圖的散度算子矩陣；拉普拉斯算子矩陣獲取單元，用于將散度算子矩陣減去權(quán)重矩陣，得到拉普拉斯算子矩陣。其中，交互時間矩陣獲取模塊303包括1隨機游走時間矩陣獲取單元，用于基于隨機游走模型，利用拉普拉斯算子矩陣，計算得到有權(quán)光譜圖的隨機游走時間矩陣；交互時間矩陣獲取單元，用于選擇并利用核函數(shù)對隨機游走時間矩陣進行核函數(shù)映射，得到交互時問矩陣。其中，特征值和特征向量獲取模塊304包括優(yōu)化條件獲取單元，用于根據(jù)原始空間兩結(jié)點間的隨機游走時間越小，投影空間兩結(jié)點間的距離越近，和交互時間矩陣中的隨機游走時間，建立優(yōu)化條件具體為min^I],/y,—^)2，V，對優(yōu)化條件進行數(shù)學變化'得到min{W7'XGT'w};其中，i、乂e[1,iV]、cwf,,表示結(jié)點^到結(jié)點〈的隨機游走時間、=w7x,、&=>/、、x,表示原始空間的第i個人臉圖像的像素集合、x,,表示原始空間的第/個人臉圖像的像素集合、w表示投影向量、Z-h，A，...,x"表示原始空間的N個人臉圖像的像素集合、r表示對角矩陣、K=2^C"G=r-C、C表示交互時間矩陣、^^^,^...,;cj表示原始空間的N個人臉圖像的像素集合、r表示對角矩陣、7;,、G=r-c、c表示交互時間矩陣；必要約束條件建立單元，用于建立優(yōu)化條件的必要約束條件具體為w'Z7X7w=1;最優(yōu)化問題建立單元，用于建立最優(yōu)化問題具體為*;w:mr7w=i特征值和特征向量獲取單元，用于對最優(yōu)化問題進行解優(yōu)化，得到廣義特征值和廣義特征向量。其中，投影空間建立模塊304包括排序單元，用于對廣義特征值進行排序；投影空間獲取單元，用于按廣義特征值從小到大的順序，依次選取至少一個廣義特征值對應的廣義特征向量，作為投影空間。本發(fā)明實施例所述的裝置，通過建立有權(quán)光譜圖，基于隨機游走模型建立投影空間，適用于高度非線性的圖像空間，并且建立投影空間時不但考慮了圖像空間的局部特征，而且也強調(diào)圖像空間全局信息的優(yōu)化，提高了投影空間的精確度，利用該投影空間提取特征時，可以提高提取特征的精確度和識別率。另外，只需要在訓練階段建立一次投影空間，實際應用中較為方便。本發(fā)明實施例可以利用軟件實現(xiàn)，相應的軟件程序可以存儲在可讀取的存儲介質(zhì)中，例如；計算機的硬盤、緩存或光盤中。以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。1權(quán)利要求1、一種建立投影空間的方法，其特征在于，所述方法包括根據(jù)原始空間的N個人臉圖像，建立有權(quán)光譜圖，所述N大于1；根據(jù)所述有權(quán)光譜圖，獲取拉普拉斯算子矩陣；基于隨機游走模型，利用所述拉普拉斯算子矩陣，獲取交互時間矩陣；根據(jù)優(yōu)化原則，利用所述交互時間矩陣，建立最優(yōu)化問題，解優(yōu)化得到廣義特征值和廣義特征向量；利用所述廣義特征值和所述廣義特征向量，建立投影空間。2、根據(jù)權(quán)利要求1所述的建立投影空間的方法，其特征在于，所述根據(jù)原始空間的N個人臉圖像，建立有權(quán)光譜圖，包括對原始空間的N個人臉圖像進行預處理，得到N個像素集合；將所述N個像素集合中的每個像素集合，分別作為有權(quán)光譜圖的一個結(jié)點F;計算所述有權(quán)光譜圖中各個結(jié)點之間的距離；根據(jù)所述有權(quán)光譜圖中各個結(jié)點之間的距離，獲取所述有權(quán)光譜圖的各個節(jié)點之間的邊。3、根據(jù)權(quán)利要求2所述的建立投影空間的方法，其特征在于，所述根據(jù)所述有權(quán)光譜圖，獲取拉普拉斯算子矩陣，包括-根據(jù)所述有權(quán)光譜圖中各個結(jié)點之間的距離，使用近鄰法，計算得到所述有權(quán)光譜圖的權(quán)重矩陣；將所述權(quán)重矩陣對角化，得到所述有權(quán)光譜圖的散度算子矩陣；將所述散度算子矩陣減去所述權(quán)重矩陣，得到所述拉普拉斯算子矩陣。4、根據(jù)權(quán)利要求l所述的建立投影空間的方法，其特征在于，所述基于隨機游走模型，利用所述拉普拉斯算子矩陣，獲取交互時間矩陣，包括基于隨機游走模型，利用所述拉普拉斯算子矩陣，計算得到所述有權(quán)光譜圖的隨機游走時間矩陣；選擇并利用核函數(shù)對所述隨機游走時間矩陣進行核函數(shù)映射，得到交互時間矩陣。5、根據(jù)權(quán)利要求l所述的建立投影空間的方法，其特征在于，所述根據(jù)優(yōu)化原則，利用所述交互時間矩陣，建立最優(yōu)化問題，包括根據(jù)原始空間兩結(jié)點間的隨機游走時間越小，投影空間兩結(jié)點間的距離越近，和所述交互時間矩陣中的隨機游走時問，建立優(yōu)化條件具體為其中，z'、ye[l，A^、CT^表示結(jié)點^到結(jié)點^的隨機游走時間、y,=w、,、a=v/^、jc,表示原始空間的第i個人臉圖像的像素集合、表示原始空間的第y個人臉圖像的像素集合，w表示投影向量；對所述優(yōu)化條件進行數(shù)學變化，得到-其中，1=",^2,...,~}表示原始空間的n個人臉圖像的像素集合、r表示對角矩陣、《,S,c;、g=r-C、C表示交互時間矩陣；建立所述優(yōu)化條件的必要約束條件具體為建立所述最優(yōu)化問題具體為argminw'JX5A"wyXTX、i'=16、根據(jù)權(quán)利要求1所述的建立投影空間的方法，其特征在于，所述利用所述廣義特征值和所述廣義特征向量，建立投影空間，包括對所述廣義特征值進行排序；按所述廣義特征值從小到大的順序，依次選取至少一個廣義特征值對應的廣義特征向量，作為投影空間。7、一種建立投影空間的裝置，其特征在于，所述裝置包括有權(quán)光譜圖建立模塊，用丁根據(jù)原始空間的n個人臉圖像，建立有權(quán)光譜圖，所述n大于l;拉普拉斯算子矩陣獲取模塊，用于根據(jù)所述有權(quán)光譜圖，獲取拉普拉斯算子矩陣；交互時間矩陣獲取模塊，用于基于隨機游走模型，利用所述拉普拉斯算子矩陣，.獲取交互時間矩陣；特征值和特征向量獲取模塊，用于根據(jù)優(yōu)化原則，利用所述交互時間矩陣，建立最優(yōu)化問題，解優(yōu)化得到廣義特征值和廣義特征向量；投影空間建立模塊，用于利用所述廣義特征值和所述廣義特征向量，建立投影空間。.8、根據(jù)權(quán)利要求7所述的建立投影空間的裝置，其特征在于，所述有權(quán)光譜圖建立模塊包括預處理單元，用于對原始空間的N個人臉圖像進行預處理，得到N個像素集合，所述N大于l;有權(quán)光譜圖結(jié)點獲取單元，用于將所述N個像素集合中的每個像素集合，分別作為所述有權(quán)光譜圖的一個結(jié)點K;計算單元，用于計算所述有權(quán)光譜圖中各個結(jié)點之間的距離；有權(quán)光譜圖邊獲取單元，用于根據(jù)所述有權(quán)光譜圖中各個結(jié)點之間的距離，獲取所述有權(quán)光譜圖的各個節(jié)點之間的邊。9、根據(jù)權(quán)利要求8所述的建立投影空間的裝置，其特征在于，所述拉普拉斯算子矩陣獲取模塊包括-權(quán)重矩陣獲取單元，用于根據(jù)所述有權(quán)光譜圖中各個結(jié)點之間的距離，使用近鄰法，計算得到所述有權(quán)光譜圖的權(quán)重矩陣；散度算子矩陣獲取單元，用于將所述權(quán)重矩陣對角化，得到所述有權(quán)光譜圖的散度算子矩陣；拉普拉斯算子矩陣獲取單元，用于將所述散度算子矩陣減去所述權(quán)重矩陣，得到所述拉普拉斯算子矩陣。10、根據(jù)權(quán)利要求7所述的建立投影空間的裝置，其特征在于，所述交互時間矩陣獲取模塊包括隨機游走時間矩陣獲取單元，用于基于隨機游走模型，利用所述拉普拉斯算子矩陣，計算得到所述有權(quán)光譜圖的隨機游走時間矩陣；交互時間矩陣獲取單元，用于選擇并利用核函數(shù)對所述隨機游走時間矩陣進行核函數(shù)映射，得到交互時間矩陣。11、根據(jù)權(quán)利要求7所述的建立投影空間的裝置，其特征在于，所述特征值和特征向量獲取模塊包括優(yōu)化條件獲取單元，用于根據(jù)原始空間兩結(jié)點間的隨機游走時間越小，投影空間兩結(jié)點間的距離越近，和所述交互時間矩陣中的隨機游走時間，建立優(yōu)化條件具體為mingl^"—^)2cwV'對所述優(yōu)化條件進行數(shù)學變化，得到min(w7'XOTw〉；其中，"j'e[1,TV]、，~表示結(jié)點^到結(jié)點Fy的隨機游走時間、=w、、少，=m/jc,、；c,表示原始空間的第i個人臉圖像的像素集合、^表示原始空間的第y個人臉圖像的像素集合、w表示投影向量、^=化,^2,...^^表示原始空間的N個人臉圖像的像素集合、r表示對角矩陣、7;=S;cy,、g=r-c、c表示交互時間矩陣；必要約束條件建立單元，用于建立所述優(yōu)化條件的必要約束條件具體為w'ATJTw-1;argminw'JTGXr>v特征值和特征向量獲取單元，用于對所述最優(yōu)化問題進行解優(yōu)化，得到廣義特征值和廣義特征向量。最優(yōu)化問題建立單元，用于建立所述最優(yōu)化問題具體為12、根據(jù)權(quán)利要求7所述的建立投影空間的裝置，其特征在于，所述投影空間建立模塊包括排序單元，用于對所述廣義特征值進行排序；投影空間獲取單元，用于按所述廣義特征值從小到大的順序，依次選取至少一個廣義特征值對應的廣義特征向量，作為投影空間。.全文摘要本發(fā)明公開了一種建立投影空間的方法和裝置，屬于模式識別
技術(shù)領(lǐng)域：
。方法包括根據(jù)原始空間的N個人臉圖像，建立有權(quán)光譜圖；根據(jù)有權(quán)光譜圖，獲取拉普拉斯算子矩陣；基于隨機游走模型，利用拉普拉斯算子矩陣，獲取交互時間矩陣；根據(jù)優(yōu)化原則，利用交互時間矩陣，建立最優(yōu)化問題，解優(yōu)化得到廣義特征值和廣義特征向量；利用廣義特征值和廣義特征向量，建立投影空間。裝置包括有權(quán)光譜圖建立模塊、拉普拉斯算子矩陣獲取模塊、交互時間矩陣獲取模塊、特征值和特征向量獲取模塊和投影空間建立模塊。通過建立有權(quán)光譜圖，基于隨機游走模型建立投影空間，適用于高度非線性的圖像空間；不但考慮了圖像空間的局部特征，而且也強調(diào)了圖像空間全局信息的優(yōu)化，提高了投影空間的精確度。文檔編號G06K9/62GK101504723SQ20091008020公開日2009年8月12日申請日期2009年3月13日優(yōu)先權(quán)日2009年3月13日發(fā)明者戴瓊海,汛曹,岳鄧申請人:清華大學