小波变换基于KPCA方法的人脸识别性能

《小波变换基于KPCA方法的人脸识别性能》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第４２卷第９期山东大学学报（理学版）２００７年９月Ｖｏｌ．４２Ｎｏ．９ＪｏｕｒｎａｌｏｆＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）Ｓｅｐ．２００７文章编号：１６７１９３５２（２００７）０９０９６０５利用小波变换提高基于ＫＰＣＡ方法的人脸识别性能１２１杨绍华，林盘，潘晨（１．宁夏大学数学计算机学院，宁夏银川７５００２１；２．福建师范大学软件学院，福建福州３５０００７）摘要：基于核主成分分析（ＫＰＣＡ）的人脸识别算法能够提取非线性图像特征，在小样本训练条件下有较好性能．然而并非所有非线性特征对识别都有利，过多的不相

2、关特征可能会降低识别性能．针对图像信息冗余的特点，预先对图像进行小波变换，通过消除对识别无关的细节信息，不仅提高了ＫＰＣＡ方法的识别精度，而且降低了该算法对计算机硬件的要求．同时，为了抑制ＫＰＣＡ对光照等变化的较高敏感性，还提出一种对图像灰度进行衰减的预处理策略．基于ＯＲＬ数据库的实验表明，综合上述措施的系统比传统方法具有更快的训练速度和更高的识别精度．关键词：人脸识别；小波变换；核主成分分析中图分类号：ＴＰ３９１文献标志码：ＡＰｅｒｆｏｒｍａｎｃｅｉｍｐｒｏｖｅｍｅｎｔｏｆｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｋｅｒｎｅｌｐｒｉｎｃｉ

3、ｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓｕｓｉｎｇｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ１，ＬＩＮＰａｎ２，ＰＡＮＣｈｅｎ１ＹＡＮＧＳｈａｏｈｕａ（１．ＳｃｈｏｏｌｏｆＭａｔｈｅｍａｔｉｃｓａｎｄＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＮｉｎｇｘｉａＵｎｉｖｅｒｓｉｔｙ，Ｙｉｎｃｈｕａｎ７５００２１，Ｎｉｎｇｘｉａ，Ｃｈｉｎａ；２．ＳｏｆｔｗａｒｅＣｏｌｌｅｇｅ，ＦｕｊｉａｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｆｕｚｈｏｕ３５０００７，Ｆｕｊｉａｎ，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅａｌｇｏｒｉｔｈｍｏｆｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｋｅｒ

4、ｎｅｌｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＫＰＣＡ）ｃａｎａｂｓｔｒａｃｔｎｏｎｌｉｎｅａｒｆｅａｔｕｒｅｓｏｆｉｍａｇｅａｎｄｃａｎｇｅｔｂｅｔｔｅｒｐｅｒｆｏｒｍａｎｃｅｕｎｄｅｒｌｅｓｓｓａｍｐｌｅｔｒａｉｎｉｎｇｃｏｎｄｉｔｉｏｎｓ．Ｎｏｔａｌｌｎｏｎｌｉｎｅａｒｆｅａｔｕｒｅｓａｒｅｂｅｎｅｆｉｃｉａｌｔｏｔｈｅｒｅｃｏｇｎｉｔｉｏｎ．Ｔｈｅｓｕｐｅｒａｂｕｎｄａｎｔｕｎｒｅｌａｔｅｄｆｅａｔｕｒｅｓｍａｙｒｅｄｕｃｅｔｈｅｒｅｃｏｇｎｉｔｉｏｎｐｅｒｆｏｒｍａｎｃｅ．Ｔｈｅｉｍａｇｅｗａｓｔｒａｎｓｆｏｒｍｅｄ

5、ｂｙｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍａｔｉｏｎｆｏｒｉｔｓｒｅｄｕｎｄａｎｃｙ，ｗｈｉｃｈｎｏｔｏｎｌｙｈａｓｉｍｐｒｏｖｅｄｔｈｅａｃｃｕｒａｃｙｏｆｒｅｃｏｇｎｉｔｉｏｎｂｕｔｈａｓｒｅｄｕｃｅｄｔｈｅｄｅｍａｎｄｆｏｒｃｏｍｐｕｔｅｒｈａｒｄｗａｒｅｏｆｔｈｅａｌｇｏｒｉｔｈｍ．ＡｐｒｅｔｒｅａｔｍｅｎｔｓｔｒａｔｅｇｙｔｈａｔｃａｎｒｅｄｕｃｅｉｍａｇｅｇｒａｄａｔｉｏｎｗａｓｄｅｖｅｌｏｐｅｄｉｎｏｒｄｅｒｔｏｒｅｓｔｒａｉｎｕｐｐｅｒｓｅｎｓｉｔｉｖｉｔｙｏｆＫＰＣＡｔｏｔｈｅｃｈａｎｇｅｏｆｉｌｌｕｍｉｎａｔｉｏｎ．Ｔｈｅｅｘ

6、ｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｂａｓｅｄｏｎＯＲＬＤＡＴＡＢＡＳＥｓｈｏｗｔｈａｔｔｈｅａｂｏｖｅｍｅｎｔｉｏｎｅｄａｌｇｏｒｉｔｈｍａｌｌｏｗｓｆａｓｔｅｒｔｒａｉｎｉｎｇｓｐｅｅｄａｎｄｈｉｇｈｅｒａｃｃｕｒａｃｙｏｆｒｅｃｏｇｎｉｔｉｏｎｔｈａｎｔｒａｄｉｔｉｏｎａｌｏｎｅｓ．Ｋｅｙｗｏｒｄｓ：ｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ；ｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ；ｋｅｒｎｅｌｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ虑２个重要的问题，即提取什么样的特征有利于分０引言类器的分类和如何避免或降低高维的运算．利用子空间技术可以

7、大大降低数据的特征维数，节省存储在模式识别领域，人脸识别一直是一个重要的和计算资源．迄今已经出现许多有效的方法，主成研究课题，并且具有广阔的应用前景．人脸识别是分分析（ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ，ＰＣＡ）是其中典型的高维数据分类问题，在人脸识别中通常要考最重要的技术之一．１９９１年Ｔｕｒｋ和Ｐｅｎｔｌａｎｄ提出了收稿日期：２００７０４２６基金项目：国家自然科学基金资助项目（６０６６３００３）；福建省教育厅Ｋ类资助项目（２００６Ｆ５０２４）；宁夏自然科学基金资助项目（ＮＺ０６１０）作者简介：杨绍华（１９７８），男

8、，助教，硕士，研究方向：图形图像与多媒体技术．Ｅｍａｉｌ：ｙａｎｇ—ｓｈｈ＠ｎｘｕ．ｅｄｕ．ｃｎ２山东大学学报（理学版）第４２卷［１］Ｅｉｇｅｎｆａｃｅｓ方法用于人