图像特征抽取的奇异值分解方法.pdfVIP

维普资讯 第32卷 第8期 计 算 机 工 程 2006年4月 Vo1．32 № 8 ComputerEngineering April2006 · 博士论文 · 文章编号：100(卜_3428(2l‘l6‘)08___0032--02 文献标识码IA 中田分类号lTP391 图像特征抽取的奇异值分解方法 王文胜 ，杨静宇 ，陈伏兵 (1，南京理工大学计算机系，南京 210094；2．1{l电第28研究所，南京 210007) 摘 奠：传统的PCA方法和LDA方法扯处理图像识则问题时，一般先将图像矩阵转化为图像向量，然后以该图像向量作为原始特征进行 特征抽取。近来一些研究人员提mr利用图像矩阡 接构造敞布矩阵，并在此基础上进行特征抽取的方法。该文在该思想的基础上，提出 了IMSVD方法。该方法没有采用PCA或LDA方法，而是利用奇肄值分解方法进行特征抽取。对ORL人脸阁像的识别试验结果表明，IMSVD 订法具有良好的特征抽取性能。 关t词 ：图像识别；特征抽取；线性鉴别分析；r-．分量分析；奇异值分解；人脸识别 M ethodOfImageFeatureExtractionBased0nSVD WANG Wensheng’I． ． YANGJingyu ，CHENFubing f1．Dept．ofComputerScienceNanjingUniversilyofSci．＆Tech Nanjing2l0094； 2，No．28Institute．ChineseElectronicSci．Tech．1．td．．Nanjing210007) [Abstract]Featureextractionisprimaryproblemt)rimagerecognition．PCAandLDAaretwoclassicmethodsappliedwidelyinthefieldofimage recognition．Buttheyarebothbasedon imagevectorinimagerecogniti(’n．Recentlysomeresearchersproposenew methodswhicharebasedon imagematrix，Thispaperproposesanew methodcalledIMSVD．Basedonthebalancedscaltermatrix，adiscriminantcriteriaisformed．Theoptimal setofdiscfiminam vectorscanbeacquiredthroughsingularvaluedecompositiontheorem ．Theresultoffacerecognitionexperimentshowsthatit haspowerfulabilityoffeatureextraction． [KeywordslImagerecognition；Featureextraction；Lineardiscriminantanalysis；Principalcomponentanalysis；Singularvaluedecomposition； Facerecognition l概述 Jp为笫i类训练样本的先验概率，定义如 卜矩阵： 主分量分析(PCA，或称 K—L变换)和 Fisher线性鉴别分 G=∑ x一x) ，一-X) (1J