二维主成分分析方法的推广及其在人脸识别中的应用.pdfVIP

第25卷第8期 计算机应用 V01．25No．8 2005年8月 ComputerApplications Aug．2005 文章编号：1001—9081(2005)08一1767一04 二维主成分分析方法的推广及其在人脸识别中的应用 陈伏兵L2，陈秀宏1’2，高秀梅1’2，杨静宇1 2．淮阴师范学院数学系，江苏淮安223001) (1．南京理工大学计算机科学系，江苏南京210094； (cm631123@sina．com) 像矩阵进行分块，对分块得到的子图像矩阵直接进行鉴别分析。其特点是：能方便地降低鉴别特征的 维数；可以完全避免使用矩阵的奇异值分解，特征抽取方便；与2DPcA方法相比，使用低维的鉴别特 NuST603人脸库上的试验结果表明，所提出的方法在识别性能上优于2DPcA方法。 关键词：线性鉴别分析；特征抽取；分块二维主成分分析；特征矩阵；人脸识别 文献标识码：A 中图分类号：TP391．41 its inface G朗eralizationof2DPCAandapplicationrecognition CHEN Xiu—meil一，YANG Fu-bin91一，CHENXiu—hon91一，GA0 Jing—yul 210094，mi№； (1．脚口咖掰眦旷cD，印以er据聊e，№硒昭‰如e瑙妙矿＆据nce凸，ld孔c^加Zq肼Ⅳo彬昭-，谊n伊u 2．D唧疗胱m旷肘缸^em口￡池，m咖n孔∞^e糟cof姆，硒mi帆五Ⅱ咿u223001，饥i叫 Abstract：Ahumallface b鹪edonmodlllar2DPCA were recognitiontechIIique w幽presented．First，tlle确百nalimages intomoduIar in the2DPCAmethodcouldbe llsedtothe obt击ned divided imagespmposed印proach．711len direcⅡy sub—images are forthis reductionofdiscriminantfeaturescaIlbedone fromthe three step．There advantagesway：1)dimension previous ofmatrixis avoidedinthe 0ffeature thefeaturesfor value extEaction，so decompositionf皿y pmcess conveniently；2)singular c舳be to featurematrix0flowerdimensioncanbe