2DPCA在图像特征提取中优于PCA的判定条件.pdfVIP

第26卷 第6}l}】 工 程 数 学 学 报 V01．26No．6 2009q：12)] CHINESE JOURNALOFENGINEERINGMATHEMATICS Dec．2009 文章编~-：1005—3085(2009)06—0951—11 2DPCA在图像特征提取中优于PCA的判定条件木 程正东 ，一，章毓晋 ，樊 祥。： (1．清华大学电子工程系，北京 100084；2一合肥 电l了工程学院，合肥 230037 3一中国科技大学六系，合肥 230027) 摘 要：主元分析 (PCA)与二维主元分析 (2DPCA)是两种典型的图像特征提取方法，它们所提取的图像 特征的优劣可由重建误差来衡量。通过对PCA和2DPCA的重建误差分析发现，二者的重建误 差在理论上相同，但在实际应用中取决于它们的样本协方差阵的估计准确度。本文以均方误差为 度量给出了PCA与2DPCA样本协方差阵的估计准确度表达式，并由此得到2DPCA图像特征 优于PCA的判定条件是2DPCA协方差阵的特征值平方和大于PCA。本文还指出行2DPCA与 列2DPCA所提取的图像特征孰优孰劣也取决于它们各 自协方差阵的特征值平方和的大小。在人 脸图像库与人脸表情图像库上的实验验证了上述判定条件的正确性。 关键词：PCA；2DPCA：图像特征；协方差阵；重建误差；均方误差 分类号：AMS(2000)62E20 中图分类号：O212．7 文献标识码：A 1 引言 主元分析 (PrincipalComponentAnalysis，PCA)与二维主元分析 (2-DimensionPCA，2DPC A1是两种典型的图像特征提取方法。PCA最早于 1901年被提出-1J，后于20世纪90年代前后 引入到人脸图像的表示与识别 中[0-3]；2DPCA最早于2004年提 出并用于人脸 图像表示与识 ~Jl4[1。以下将由PCA从图像中提取的特征称为PCA图像特征，由2DPCA从图像中提取的特 征称为2DPCA图像特征。 PCA与2DPCA的原理本质上一致 ，区别在于PCA需要先将 图像拉直成 向量再处理， 而2DPCA不需要这个过程直接对二维图像进行处理。在进行图像特征提取时，PCA与2DPCA 都需要处理一个协方差阵来获取投影矩阵。上述的区别导致它们要处理的协方差阵有很大不 同。对于一个m ×他的图像 ，PCA要处理 的是一个m礼阶协方差阵，称之为PCA协方差阵； 而2DPCA要处理的是一个m (或n)阶图像协方差阵．4】，称之为2DPCA协方差阵。在实际问 题中，PCA与2DPCA的协方差阵都由它们相应的样本协方差阵来估计。 2DPCA协方差阵实际上是 由PCA协方差阵的部分元素构成的，因而它含有的信息量不 如PCA协方差阵多。但是实验表明4【】，2DPCA图像特征在图像表示与图像识别两方面都优 于PCA图像特征。本文试图对此给出合理解释。首先对PCA与2DPCA图像特征的重建误差 进行了分析，结果表明它们的重建误差在理论上是相同的，但在实际中取决于各 自样本协方差 阵的估计准确度。本文以均方误差为度量对PCA与2DPCA样本协方差阵的估计准确度进行了 分析，得到了2DPCA样本协方差阵的估计准确度优于PCA的一个判定条件。由类似方法还可 得到C2DPCA(Column2DPCA)与R2DPCA(Row2DPCA)孰优孰劣的判定条件。 收稿 日期：2008—03—10．作者简介：程正东 (1972年l1月生)，男，博士．研究方向：信号、信息处理与图像处弹 基金项目：国家自然科学基金；高等学校博士学科点专项科研基金(SRFDP一20060003102)． 952 工 程 数 学 学 报 第26卷 2 PCA与2DPCA图像特征及其重建误差 PCA与2DPCA图像特征主要用于图像表示与图像识别，图像表示的效果常用重建误差来 描述，而图像识别率也与重建误差有密切关系。因此，先对PCA与2DPCA图像特征的重建误 差进行分析。 设Ⅳ个mXn图像矩阵 1，2，．一，AⅣ是来