基于两空间线性鉴别分析的小样本人脸识别.pdfVIP

维普资讯 第35卷第9期 光 电工程 Vo1．35，No．9 2008年 9月 Opto—ElectronicEngineering Sep，2008 文章编号：1003—501X(2008)09—0127—06 基于两空间线性鉴别分析~te3,J,样本人脸识别 赵明华 ，李 鹏 ，刘直芳2 (1，西安理工大学 计算机科学与工程学院，西安 710048；2．四川大学 图像图形研究所 ，成都 610064) 摘要：指出了线性鉴别分析及其几种改进方法在处理小样本人脸识别问题时存在的不足，提出了一种基于两空间 线性鉴别分析的小样本人脸识别方法。首先将样本投影到总体散布矩阵的非零空间中进行分析；进而将类内散布 矩阵分成零空间和非零空间进行鉴别向量确定和鉴别特征提取，最后将得到的两种鉴别特征融合，从而使用最近 邻法进行分类。实验结果表明，在进行小样本的人脸识别时，该方法的识别效果优于其他线性方法。 关键词：人脸识别：特征提取；线性鉴别分析；小样本问题；散布矩阵 中图分类号：TP391．41 ． 文献标志码：A FaceRecognitionBasedonTwoSubspacesLinearDiscriminantAnalysis ZHAO M ing．hua，LIPeng ，LIU Zhi．fang (1．SchoolofComputerScienceandEnigeering，XianUniversityofTechnology，Xi’an710048，China； 2，Instituteoflmage＆Graphic，SichuanUniversiyt，Chengdu610046，China) Abstract：DisadvantagesoftheseveraltypicalvariantsonLinearDiscriminantAnalysis(LDA)whiledealingwihtthe well—knownsmallsamplesizeproblem infacerecognitionarerevealed．Anew discriminantanalysismethodnma edtwo subspacesLDAisproposedtodealwithsmallsamplesizeproblem．Firstly,al1thesmaplesareprojectedtothenonzero spaceofthetotalscattermatrix，Secondly,discriminantnaalysisiscarriedoutinthezerosubspaceandnonzerosubspace ofhtewihtin—classscattermatrixrespectively．Thirdly,htewt okindsofdiscriminantfeaturesarefusedtodetermineclass ofthesamples．Experimentalresultsshow thattheproposedalgorithm issuperiortootherlinearmethods， Keywords：facerecong ition；featureextraction；lineardiscriminantanalysis；smallsamplesizeproblem；scattermatrix 1 引 言 人脸图像一般处于高维的图像空间中，人们往往通过某种映射方法将图像从高维空间 投影至某一低 维子空间R ，使得人脸图像在该子空间的分布更为紧凑。主元分析¨和基于 Fisher准则的线性鉴别分析L2曲J 是两种经典的寻找线性变换的方法。基于 Fisher准则的鉴别分析方法主要有经典 Fisher鉴别方法I、F—s 线性鉴别方法 和具有统计不相关性的线性鉴别方法I三