基于2D-PCA的两级LDA人脸识别方法-论文.pdf

《基于2D-PCA的两级LDA人脸识别方法-论文.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、第40卷第9期计算机工程2014年9月Vo1．40No．9ComputerEngineeringSeptember2014·人工智能及识别技术·文章编号：1000．3428(2014)09．0243．05文献标识码：A中图分类号：TP18基于2D·PCA的两级LDA人脸识别方法王友钊，潘芬兰，黄静(1．浙江大学数字技术及仪器研究所，杭州310027；2．浙江理工大学信息学院，杭州310018)摘要：线性鉴别分析(LDA)小样本问题的已有解决方法在构造最优投影子空间时未完整利用LDA的4个信息空间，为此

2、，提出一种基于二维主成分分析(2D—PCA)的两级LDA人脸识别方法。采用减法运算对样本类内散度矩阵和类间散度矩阵的特征值矩阵求逆，以解决小样本问题，并连续应用Fisher准则和修改后的Fisher准则连接2个投影子空间，获取包含LDA的4个信息空间的最优投影方向，利用2D—PCA对输入样本做预处理，以减少计算复杂度。在ORL和YALE人脸库上的实验结果表明，该方法虽然训练时间略有增加，但识别率分别为92．5％和95．8％，优于其他常用LDA算法。关键词：线性鉴别分析；直接线性鉴别分析；二维主成分分析

3、；小样本问题；人脸识别；特征提取Two-stageFaceRecognitionMethodBasedonTwoDimensionPrincipleComponentAnalysisWANGYou—zhao，PANFen．1an，HUANGJing(1．InstituteofDigitalTechnologyandInstrument，ZhejiangUniversity，Hangzhou310027，China；2．SchoolofInformaticsandElectronics，Zh~iangS

4、ci—TechUniversity，Hangzhou310018，China)【Abstract】AimingattheexistingalgorithmswhichdonotusethewholefourinformationspaceofLinearDiscriminantAnalysis(LDA)insolvingthesmallsamplesizeproblem，atwo—stageLDAfacerecognitionalgorithmbasedonTwoDimensionPrincipleC

5、omponentAnalyses(2D-PCA)isproposed．Thesmallsamplesizeproblemissolvedbyasubtractiontoestimatetheinversematrixoftheeigenvaluesmatrixofthesingularwith·-classscattermatrixandbetween·-classscattermatrix．Thus，theprojectionsubspacesresultingfromcontinuouslyi',

6、usingthetraditionalFishercriterionandamodifiedFishercriterion，areconcatenatedtoobtaintheoptimalprojectionspaceincludingwholefourinformationspaceofLDA．Toreducethecomputationalcomplexity，the2D-PCAisusedtopreprocessoninputsamples．Therecognizeratesoftheprop

7、osedalgorithmonORLandYALEdatabaseare92．5％and95．8％whicharehigherthanotherLDAalgorithmsdespitetheslightlyincreaseoftrainingtime．【Keywords】LinearDiscriminantAnalysis(LDA)；DirectLDA(DLDA)；TwoDimensionPrincipleComponentAnalysis(2D—PCA)；smallsamplesizeproblem

8、；facerecognition；featureextractionDOI：10．3969／j．issn．1000-3428．2014．09．049(PrincipalComponentAnalysis，PCA)将高维空间的1概述样本投影到低维空间以保证样本类内散度矩阵非线性鉴别分析(LinearDiscriminantAnalysis，奇异，然而该方法的问题在于利用PCA降维的同LDA)是一种重要的特征提取方法，在人脸识别领域时也丢失了较多的鉴别信息。