奇异值分解在人脸特征提取中的应用.docVIP

奇异值分解在人脸特征提取中的应用 张红 （自动化与电气工程学院、检测技术与自动化装置专业、2011010234） 摘要：矩阵的奇异值分解就是矩阵在酉等价下的一种标准型。在人脸识别中，对每一幅图片的奇异值分解对应的结果是唯一的，具有提取到的特征值也是相对稳定的，其中特征值又决定了识别的准确性，所以本文在分析奇异值分解的基础上研究了它在人脸特征提取中的应用。 问题提出 在人脸识别技术不断发展的今天，人们已经不局限于能够识别出人脸，更主要的侧重于人脸识别的准确性和高效性。人脸识别主要分成3个步骤：人脸检测、特征提取、识别分类，其中特征提取决定了识别的准确性。人脸特征分为视觉特征、统计特征、变换系数特征以及代数特征四类，代数特征反映了图像的本质属性。因为图像本身的灰度分布描述了图像的内在信息，所以可以将图像作为矩阵看待，进行各种代数和矩阵变换后提取的代数特征是人脸的表征。 2.问题解决 奇异值分解是求解最小二乘问题的一种有效工具，在数据压缩、图像处理以及模式识别等方面得到了广泛应用，为提取人脸代数特征提供了一种有效的手段。对于任意图像矩阵A，它的奇异值分解是唯一的，所以当所有的奇异值按从大到小排列时，该图像的奇异值特征也是唯一的，于是奇异值特征可以作为描述灰度矩阵的一种数值特征。该特征具有如下性质：稳定性、位移不变性、奇异值特征与对应图像亮度成比例变化、旋转不变性、转置不变性。 将人脸的不