基于双向二维线性鉴别分析的人脸特征提取研究.pdfVIP

2007 江苏省自动化学会学术年会论文集 基于双向二维线性鉴别分析的人脸特征提取 王寿林，孙长银 （河海大学电气与工程学院，江苏，南京，210098） 摘要：基于二维人脸图像的特征提取方法是最近比较流行的用于人脸识别的特征提取方法， 其中二维主分量分析和二维线性鉴别分析得到很大的关注。本文提出了一种用于人脸识别特 征提取的双向二维线性鉴别分析方法，在 ORL 人脸数据库上的实验结果表明该方法优越性。 关键词：人脸识别；特征提取；二维主分量分析；二维线性鉴别分析；双向二维线性分析 0 引 言 人脸识别已经成为目前机器视觉和模式识别研究领域的一个热点问题，用于人脸识别的 传统特征提取方法[1，2]需要将二维人脸图像拉伸成一维向量，如一张100× 100 的人脸图像 就要拉伸成10000 维向量，从而导致协方差的维数通常较高，增加了计算复杂度。为克服这 一缺点，二维主分量分析方法[3，4]、二维线性鉴别分析方法[5，6]相继提出，此方法提取 人脸特征时不需要将二维人脸图像拉伸成一维高维向量，可直接由二维的原始人脸图像计 算，从而大大降低了计算复杂度。其中二维线性鉴别分析不但弥补二维主分量分析没有充分 利用人脸的类别间信息，而且有效克服了传统线性鉴别方法由于类内散度阵奇异所引起的小 样本问题。 本文提出一种新的双向二维线性鉴别分析方法，相对 Kong 等人提出的单向二维线性鉴 别分析方法，本文的方法减少了人脸的特征数量。我们在 ORL 人脸库[7]上对本文的方法进 行验算，实验结果表明了本文的算法的优越性。 1 二维线性鉴别分析 二维线性鉴别分析是由 Kong 等人提出的，此方法充分利用了类别间的信息，而且有效 的克服了传统线性鉴别分析的小样品问题。 设{X 1 ,X 2 ,K,X N } 为总数为N 的训练样本图像，其中X i ∈ℜr ×s 。类别间散度矩阵 Sb 和类 别内散度矩阵S 的定义为 w n S ∑l (X =− X )T (X − X ) (1) b i i i i 1 n li j T j (2) S ∑∑ (X =− X ) (X − X ) w i i i i i 1 j 1 j j 其中：l 为类别C 的训练样本数； 为训练样本的类别数； 为类别i 的第 个样 n