基于PCA与最大后验概率分类的人脸识别方法.pdf

《基于PCA与最大后验概率分类的人脸识别方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第41卷第2期计算机科学Vo1．41No．22014年2月ComputerScienceFeb2014基于PCA与最大后验概率分类的人脸识别方法袁少锋王士同(江南大学数字媒体学院无锡214122)摘要在运用主成分分析进行人脸识别的过程中，由于实际图像可能符合某种概率密度分布，并且实际用到的图像可能受到不同程度的噪声污染，简单的距离分类已不再适用。基于核函数的最大后验概率分类是将概率密度函数估计中的参数估计、核函数以及贝叶斯理论结合起来，能很好地考虑到概率分布情况，用多元高斯分布下的基于核函数的最大后验概率分类取代距离分类，对于含

2、有不同参数值的高斯噪声图像有较好的识别率。用0】U标准人脸库进行验证，实验结果袁明了可行性。关键词主成分分析，多元高斯分布，参数估计，核函数，贝叶斯理论’中图法分类号TP391．41文献标识码AMethodofFaceRecognitionBasedonPrincipalComponentAnalysisandMaximumaPosterioriProbabilityClassificationYUANShao-fengWANGShi-tong(SchoolofDigitalMedia，JiangnanUniversity，Wu

3、xi214122，China)AbstractIntheprocessingoffacerecognitionwithPCAalgorithm，theimagemaybeeligibleforsomekindofproba—bilitydensitydistributionanddifferentlevelsofnoisepollution，SOthesimpledistanceclassificationisnolongereffec—tive．Maximumposterioriclassificationcombinesth

4、eparameterestimationandkernalfunctionandBayestheory，cantakeintoaccounttheprobabilitydistributionwel1．UnderthemultivariateGaussiandistribution，usingittoreplacethedistanceclassificationcanhavethebetterrecognitionratefortheimagescontainingthedifferentparametervaluesofth

5、eGaussiannoise．ThestandardORLfacelibrarywasusedtoverifythistheroy，andtheresultshowsitsfeasibility．KeywordsPrincipalcomponentanalysis，Multivariategaussiandistribution，Parameterestimation，Kernelfunction，Bayesiantheory1引言一PCA)进行比较，N_PCA方法会对含有噪声(本文为高斯噪声)的图像有比较好的识别率。本文用OR

6、L标准人脸库进行近年来，人脸识别已成为人工智能、模式识别等学科的研验证，实验结果表明了N_PCA的可行性。究热点，是既具有理论价值又有应用价值的重要的研究课题。针对上面表述，以下章节将会对距离分类和基于核函数在此期间，Turk和PentlandEl_提出特征脸(Eigenface)方法，的最大后验概率分类进行简要阐述。并将主成分分析_2](PrincipalComponentAnalysis，PCA)算法2距离分类应用到人脸识别领域中，经过不断发展与完善，PCA方法已成为人脸识别的基准算法，目前被广泛应用。然而PCA在进用L(x

7、，)表示样本z与Y之间的距离，样本的维数为行分类识别中，采用的是距离分类，常用的距离分类有基于欧k，则有以下常见的距离函数。氏距离的最近邻分类、基于哈曼顿距离的三阶近邻分类l_3]等。(1)Minkowsky距离：距离公式可表示为：距离分类虽然是简单而有效的分类方法，但是并没有考虑图L(x，)一[∑f丑一Mf]{(1)像的实际概率密度分布。并且，现实所用到的图像大都受到(2)最近邻法：最近邻法的距离为欧几里得距离或欧几里不同程度的污染，而这种污染也可以近似估计为符合某种概得距离的开平方根，它是Minkowsky距离当a=2时的特

8、例。率密度分布[43(比如：高斯分布)。简单的距离分类不能很好距离公式可表示为：地考虑这些因素，经过查找，目前也没有文献明确给出合理的分类来解决这类问题，本文将基于核函数的最大后验概率分L(x，)一[∑1zi—I]专(2)类[5]取代距离分类，对此类问题有很好的