融合局部奇异值特性的人脸自动识别.pdfVIP

第9卷 第2期 软 件 导 刊 VO1．9NO．2 2010年 2月 SoftwareGuide Feb．2010 融合局部奇异值特性的人脸 自动识别 袁 理 (武汉职业技术学院，电子信息工程学院，湖北 武汉 430074) 摘 要 ：针对仅在整幅人脸图像上进行奇异值分解无法得到人脸识别所需的足够信息的问题，提 出了一种利用人脸 图像的局部奇异值和灰色关联分析进行人脸识别的方法。该方法的关键是不在整幅人脸图像上进行 ，而是在人脸 的 不同区域进行奇异值分解以提取更丰富的信息和克服 “小样本”效应。在识别阶段 ，对待识别人脸的特征向量 ，计算 其对各人脸样本的隶属度 ．最后做 出判断。该方法与传统方法在 ORL人脸库上进行 的对 比实验结果 ，表 明了该方法 的优越 性 。 关键词 ：人脸识别：灰色理论 ；灰色关联分析 ；奇异值分解 中图分类号 ：TP391．41 文献标识码 ：A 文章编号：1672—7800(2010)02—0163-03 况下具有 良好的鲁棒性和准确率 。 0 引言 1 奇异值分解 人脸识别是计算机视觉 、模式识别和图像处理 中的一个重 要 内容 ，在 电视监视 、罪犯查询识别 、安全 门卫系统等方面有着 奇异值分解为提取图像代数特征提供了新的手段 ，获得了 重要的应用价值。因此其相关技术得到了人们广泛而深入的研 广泛的应用。而图像的奇异值具有 良好的稳定性，即图像具有 究。而如何有效地提取识别特征与设计相应的分类器是人脸识 较小的扰动时，奇异值变化不大。 别中的关键问题。奇异值分解是一种 良好的图像特征提取方 定理：(SVD)设矩阵 (A∈ 一)代表一幅大小为mxn的图 法。由于它对于旋转 、镜像和比例变换具有不变性，以及对噪声 像 ，则存在 m阶西阵 和 n阶西阵 ，且r=ragtk()，对A进行 和光强变换也具有较好的鲁棒性 ，近年来 ．图像的奇异值 已经 奇异值分解 ，使得 ： 作为特征 向量被成功地应用于人脸识别领域。例如 ，Hong提出 r 的基于奇异值分解 (SingularValueDecomposition，SVD)的识别 A=USAⅢ_ Au (1) = 1 方法．该方法利用 图像矩阵的奇异值作为特征向量 ．此方法 的 其 中S=diag[Al，A2，…，A，，0，…，0]，AlA2…AI0，Ai2为A。 有效性在文献 中都得到了验证 。在文献中，错误率为42．67％， 并且也AA 放入特征值 ，M 分别是 AA 和 的对应于 文中认为这是小样本对统计方法的影响。后来又有许 多研究者 A 的特征矢量。(1)式还可以写成如下投影形式 ： 对奇异值分解识别法进行了发展 ，但他们的共同做法是将整个 S= (2) 图像的奇异值作为特征向量。最近的研究表明，仅在整幅人脸 对于任意一个 实矩阵 A，它的奇异值分解是唯一的，因此 图像上进行奇异值分解无法得到人脸识别所需的足够信息 ，必