PCA人脸识别理论基础(附源码)资料.docx

1 PCA与人脸识别及其理论基础1.1问题描述[1]对于一幅图像可以看作一个由像素值组成的矩阵，也可以扩展开，看成一个矢量，如一幅N*N象素的图像可以视为长度为N2的矢量，这样就认为这幅图像是位于N2维空间中的一个点，这种图像的矢量表示就是原始的图像空间，但是这个空间仅是可以表示或者检测图像的许多个空间中的一个。不管子空间的具体形式如何，这种方法用于图像识别的基本思想都是一样的，首先选择一个合适的子空间，图像将被投影到这个子空间上，然后利用对图像的这种投影间的某种度量来确定图像间的相似度，最常见的就是各种距离度量。1.1.1K-L变换[1]PCA方法是由Turk和Pentlad提出来的，它的基础就是Karhunen-Loeve变换(简称KL变换)，是一种常用的正交变换。下面我们首先对K-L变换作一个简单介绍:假设X为n维的随机变量，X可以用n个基向量的加权和来表示:nX=∑αiφii=1式中:αi是加权系数，φi是基向量，此式还可以用矩阵的形式表示:X=(φ,φ,,φ)(α,α,,α)T=Φα取基向量为正交向量，即T ⎧1i=j T则系数向量为：ΦΦj=⎨⎩i≠j⇒ΦΦj=Iα=ΦTX综上所述，K-L展开式的系数可用下列步骤求出:步骤一求随即向量X的自相关矩阵R=E⎡⎣XTX⎤⎦，由于没有类别信息的样本集的µ均值向量，常常没有意义，所以也可以把数据的协