非负二维主成分分析及在人脸识别中的应用-模式识别与人工智能.PDFVIP

第22 卷摇 第6 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 模式识别与人工智能摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Vol.22摇 No.6 摇 2009年12月摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 PR AI摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 Dec摇 摇 2009 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 非非负二维主成分分析及在人脸识别中的应用* 严摇 慧摇 摇 金摇 忠摇 摇 杨静宇 (南京理工大学 计算机科学与技术学院南京摇 210094) 摘摇 要摇 二维主成分分析是一种基于整体脸的方法,保留人脸部件之间的拓扑关系.而非负矩阵分析是基于局部 特征的识别,是通过提取局部信息来实现分类.文中将两种思想的优点融合在一起,提出非负二维主成分分析.该 方法改善传统非负矩阵分解只是从矩阵分解的角度考虑,没有加强分类的问题.此外,该方法在矩阵分解之前不需 要将图像矩阵转换为图像向量,能快速降低鉴别特征的维数.在ORL和FERET人脸库上的实验结果表明,该方法 在识别性能上优于其它方法,且更具有鲁棒性. 关键词摇 非负矩阵分解,二维主成分分析(2DPCA),非负二维主成分分析(N2DPCA),人脸识别 中图法分类号摇 TP391.4 Non鄄Negative Two鄄Dimensional Principal Component Analysis and Its Application to Face Recognition YAN Hui,JIN Zhong,YANGJing鄄Yu (School of Computer Science and Technology,Nanjing University of Science and Technology, Nanjing 210094) ABSTRACT Two鄄dimensional principal component analysis (2DPCA) is an algorithm based on the whole face and it preserves the topology of facial components. Non鄄negative matrix factorization (NMF) is an algorithmbased onlocalizedfeaturesand extractslocal information. A methodfor humanfacerecognition is proposed,namely,non鄄negative 2鄄dimensional principal component analysis (N2DPCA). N2DPCA integrates the merits of 2DPCA and NMF. And it can overcome the demerits of traditional NMF. Furthermore,the proposed methoddoesnotrequiretransformationfroma2Dimagematrix into a 1Dlong vector. The experimental results on ORL and FERET face database show that the proposed method achieves higher recognition rate and stronger robustness than2DPCA,NMF and LNMF. Key Words 摇 Non鄄Negative Matrix Factorization,