基于小波变换的优化LDA人脸特征提取.pdf

《基于小波变换的优化LDA人脸特征提取.pdf》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、2012年第31卷第5期传感器与微系统(TransducerandMicrosystemTechnologies)65基于小波变换的优化LDA人脸特征提取方杰，谭晓衡(重庆大学通信与测控中心，重庆400030)摘要：运用小波进行图像分解提取低频子带图，并利用优化的线性判别分析(LDA)算法寻找最优投影子空间，从而映射提取人脸特征，实现人脸的分类识别。该方法避免了传统LDA算法中类内离散度矩阵非奇异的要求，解决了边缘类重叠问题，具有更广泛的应用空间。实验表明：该方法优于传统的LDA方法和主分量分析(PCA)方法。关键词：小波变换；线性判别分析；特征提取；人脸识别中图分类号：TN391文

2、献标识码：A文章编号：1000--9787(2012)05-0065-03OptimizationLDAfacefeatureextractionbasedonwavelettransformFANGJie，TANXiao-heng(CenterofCommunicationandTrackingTelemetering&Command，ChongqingUniversity，Chongqing400030，China)Abstract：Lowfrequencysub—bandfiguresareextractedwithwavelettransform，theoptimalcast

3、shadowspaceisfoundbyusingoptimizedlineardiscriminantanalysis(LDA)algorithm，theoptimalfeaturespaceisgot．Faceclassificationandidentificationarerealizedinthefeaturespace．Inthismethod，nonsingularityofwithinclassscattermatrixbecameunnecessary，andtheproblemofedgeovedapisalsosolved．So，ithasbe~ergenera

4、lizationabilitycomparingwithtraditionalLDAalgorithm．ExperimentalresultsshowthatthismethodissuperiortothetranditionalLDAandprinciplecomponentanalysis(PCA)method．Keywords：wavelettransform；lineardiscriminantanalysis(LDA)；featureextraction；facerecognition0引言距离的类别，造成边缘类投影的重叠问题。BelhumeurPN人脸识别技术长期以来都

5、是图像处理中一项热门的研提出Fisherface方法，利用主分量分析(principlecompo·究内容，目前已有许多的人脸识别方法．过去的几十年，nentanalysis，PCA)进行降维，保证类内离散度非奇异，基于统计的人脸识别技术得到了较大的发展。人脸识YangJ又提出DLDA(directlineardiscriminantanalysis)的零空间方法l8来解决小样本问题。对于边缘重叠问别中，特征提取是关键。统计学习理论是针对小样本统计题，提出了重新定义类间离散度矩阵和对Fisher准则局估计和预测学习的最佳理论。基于统计学习的线性判别分部加权的方法。析(LDA)算法是最

6、为经典的特征提取方法之一，目前仍本文提出的基于小波变换的优化LDA人脸特征提取然被广泛应用在人脸等模式识别领域‘IDA算法以提高算法，先将人脸图像进行适当层次的小波变换，降低数据维样本在子空间中的可分性为目标，寻找一组基向量，在由些数，选取低频子图表示人脸，构造人脸训练样本集，再采用基向量组成的子空间中，不同类别的训练样本能有最小的新的Fisher准则寻找最优投影子空间，最后分别对训练样类内离散度，最大的类间离散度，通过投影提取样本特征，本和测试样本进行特征抽取进行分类识别。实验表明：该从而实现分类识别。LDA算法对光照、人脸表情、姿态的变化不太敏感，在人脸识别中得到了广泛的应用．4

7、]。但方法是有效可靠的。是，由于人脸图像数据维数高，往往大于样本数，使得类内1传统的LDA特征提取算法离散度矩阵奇异，无法直接求解投影子空间，即小样本问假设训练人脸样本有C类，共Ⅳ张，每张人脸定义为题；除此外，LDA算法的Fisher准则着重强调具有较大类间，样本的类间离散度矩阵和类内离散度矩阵分别为收稿日期：2011-11__02基金项目：中央高校基本科研业务费资助项目(CDJZR10160011)；重庆市自然科学基金资助项目(2010BB2049)传感