基于主成分(PCA)方法的人脸识别介绍.doc

摘要 主成分分析(Principal Component Analysis，PCA)是一种基于代数特征的人脸识别方法，是一种基于全局特征的人脸识别方法， 它基于K-L分解。基于主成分分析的人脸识别方法首次将人脸看作一个整体，特征提取由手 工定义到利用统计学习自动获取是人脸识别方法的一个重要转变。简单的说， 它的原理就是将一高维的向量，通过一个特殊的特征向量矩阵投影到一个低维的向量空间中，表示为一个低维向量，并不会损失任何信息。即通过低维向量和特征向量矩阵，可以完全重构出 所对应的原来高维向量。特征脸方法就是将包含人脸的图像区域看作是一种随机向量，因此 ，可以采用K-L变换获得其正交K-L基底。对应其中较大特征值的基底具有与人脸相似的形状 ， 因此又称为特征脸利用这些基底的线性组合可以描述、表达和逼近人脸图像，因此可以进行人脸识别。识别过程就是将人脸图像映射到由特征脸张成的子空间上，比较其与己知人脸在特征空间中的位置，从而进行判别。主要是完成了基于主成分分析(PCA)方法的人脸识别，PCA方法的基本原理是：利用离散K-L变换提取人脸的主要成分，构成特征脸空间，识别时把测试样本投影到该空间，构成一组投影系数，通过与特征脸的距离比较，距离最小的特征脸对应的即是识别结果。基于PCA的人脸识别分为三个阶段，第一个阶段利用训练样本集构建特征脸空间；第二个阶段是训练阶段，主要是将训练图像投影到特征脸子空间上；第三个阶段是识别阶段，将测试样本集投影到特征脸子空间，然后与投影后的训练图像相比较，距离最小的为识别结果。基于PCA的人脸识别其实是一种统计性的模板比配方法，原理简单，易于实现，但也有不足，它的识别率会随着关照，人脸角度，训练样本集的数量而变换，但仍不失为一种比较好的方法。 关键词：PCA MATLAB 特征脸 图像预处理 Abstract The design is mainly based on principal component analysis completed (Principal Component Analysis, PCA) method for face recognition, in order to facilitate the operation, using matlab GUI made a visual interface, which also added such as image smoothing, sharpening, grayscale, binary, dilation, erosion, and the application of the secondary wavelet edge detection operators for other functions, the use of these additional functions can be done to treat a simple pre-identified images, to improve the recognition rate. The basic principle of PCA method: using discrete KL transform to extract the main component of the face, constitute a feature face space, recognition at the time of the test samples are projected into the space, constitute a group of projection coefficients, the distance by comparison with the characteristics of the face, from the smallest Eigenfaces corresponding to that is to identify the results. Face recognition based on PCA is divided into three phases, the first phase of training set constructed using eigenface space; the second stage is the training phase, mainly to train the image projected to the subspace on; the third stage is to identify stage, will test the sample set