模式识别论文——PCA与SVD融合人脸识别算法设计浅析.docx

 MACROBUTTON MTEditEquationSection2 Equation Chapter 2 Section 1 SEQ MTEqn \r \h \* MERGEFORMAT  SEQ MTSec \r 1 \h \* MERGEFORMAT  SEQ MTChap \r 2 \h \* MERGEFORMAT PCA与SVD相融合的人脸识别算法设计与系统实现 摘 要：主成分分析是基于K-L变换思想的优秀线性分类算法之一，根据方差最大化原理，将信号在一组新的规范正交基下展开，其在人脸识别中具有重要应用价值，所形成的算法称为本征脸方法，然而，由于该方法将图像变换为本征脸空间的一点，因此对光照，角度和平移等因素比较敏感。奇异值分解作为一种有效的代数特征提取方法，将图像看作矩阵进行处理，具有位移，旋转不变性等优点，恰好弥补了PCA在这方面的不足，两者相融合的算法可以有效地提高识别率，通过ORL库的测试，可以证实这一算法的优势。最后，设计了基于Matlab GUIDE的人脸识别系统。 关键词：主成分分析，奇异值分解，人脸识别，K-L变换 1. 介绍 随着社会的发展以及技术的进步，尤其是最近十年内计算机的软硬件性能的飞速提升，以及社会各方面对快速高效的自动身份验证的要求日益迫切，生物识别技术在科研领域取得了极大的重视和发展。其中，人脸识别技术的研究