融合类别信息的二维主成分分析人脸识别算法.pdfVIP

第29卷 第22期 计算机工程与设计 2008年 11月 VO1．29 No．22 ComputerEngineeringandDesign Nov．2008 融合类别信息的二维主成分分析人脸识别算法 徐 倩， 邓 伟 (苏州大学计算机科学与技术学院，江苏 苏州215006) 摘 要：二维主成分分析(2DPCA)已被成功地应用在人脸识别领域，但是这种2DPCA是无监督方法，投影没有考虑到类别信 息，在一定程度上影响了识别性能。因此提 出一种新的2DPCA，它利用训练样本的类别标记来生成K—L变换的产生矩阵，融 合 了样本的类别信息，从而使2DPCA的识别性能更好 。基于ORL和Yale人脸数据库的实验表明该方法比传统的2DPCA的 识别性能更高。 关键词：二维主成分分析；人脸识别；无监督方法；类别信息；KL变换 中图法分类号：TP18 文献标识码：A 文章编号：1000．7024(2008)22．5792．03 2DPCA algorithm integratingclassinformationforfacerecognition XUQian， DENGWei (SchoolofComputerScienceandTechnology,SoochowUniversity,Suzhou215006，China) Abstract：Two—dimensionalprincipalcomponentanalysis(2DPCA)issuccessfullydevelopedintheareaoffacerecognition．But 2DPCAisanunsupervisedtechnique．Theprojectioncannottakeintoconsiderationtheclassinformationandaffectstheperformanceof recognitionatcertainextent．Anew2DPCAisproposedinordertomakegooduseoftheclassinformation．TheproducemarxofK- Ltransfo肿 accordingtothetrainingdata’sclasslabelingiscreated．Soitcanfusetheclassinformationandmaketheperfomr naceof recong itionbetter．TheexperimentsontheORLfacedatabaseshowthatitachievesbetterperformanceincomparisonwiththetraditional of2DPCA． Keywords：two-dimensionalprincipalcomponentanalysis；facerecongition；unsupervisedtechnique；classinfomr ation；K—Ltransfomr 个能够利用这些类别信息的投影更能使类与类之间尽可能地 0 引 言 分开。传统的2DPCA 的投影方向是极大化样本的总体散布 主成分分析(principalcomponentanalysis，PCA)是一种经典 的方向，是一种无监督的方法，不能利用这些类别信息。因此 的特征提取和数据表示技术，被广泛地应用在模式识别和计 本文提出一种新的2DPCA，它融合了样本的类别信息，变换了 算机视觉领域，并成为人脸识别最成功的方法之一 [z-31。在基 K．L变换的产生矩阵，实验证明此方法提高了2DPCA 的识 于PCA的人脸识别技术中，二维人脸图像矩阵必须首先要转 别能力 。 化成一维图像向量，而这个一维的人脸图像向量通常需引出