二维PCA人脸特征提取算法及其改进.doc

二维PCA人脸特征提取算法及其改进 第24卷第3期 2Ol0年9月 南通职业大学 JoURNALOFNANToNGVOCATIONALCoLLEGE doi:10.3969~.issn.1008-5327.2010.03.027 VOI.24NO.3 Sept.2010 二维PCA人脸特征提取算法及其改进 沈银银1,2.冯颖凌 (1.南通大学理学院,江苏南通226007;2.南通科达市政交通设计有限公司,江苏南通226001) 摘要:基于DiagPCA(对角主成分分析)及平均脸的方法对二维主成分分析(2DPCA)方法进行了 改进既考虑到构造2DPCA训练样本人脸间散布矩阵时使特征最大化,减少了同类人脸之间的特征 差异,又利用图像矩阵对角化将图像的行,列关系联系起来,并利用ORL人脸数据库进行实验.结果 显示.该方法可提高人脸识别率,且降低了特征提取的时间. 关键词:二维主成分分析;特征提取;人脸识别;DiagPCA;对角平均脸 中图分类号:TP39l文献标志码:A文章编号:1008—5327(2010)03—0098—03 Two-dimensionalPCAFeatureExtractionAlgorithm andItsImprovementinFaceRecognition SHENYin—yin,FENGYing—ling2 (1.Collegeofscience,Nantonguniversity,Nantong226007,China; 2.NantongKedamunicipaltransportationdesignCo.,LTD,Nantong226001,China) Abstract:Two—dimensionalprincipalcomponentanalysisf2DPCA1methodiSoneofthemethodswhichare oftenusedinfacerecognition.Thispaperhasimproved2DPCAbasingonthemethodsofaveragefacesand diagonal2DPCA,andthismethoddoesnotonlyconsidermakingfeaturesmaxwhenwetectonicthescatter matrixoftrainingsamplefacesof2DPCA,butalsoreducesthefeaturedifferencesbetweenthesame-class faces,andconnectsrowsandcolumnoftheimagematrixbymakingtheimagematrixtodiagonalization.And WedidexperimentsontheORLfacedatabzse,itshowsthatthismethodhasreallyimprovedtherecognition. Keywords:2DPCA;featureextraction;facerecognition;DiagPCA;averageface O引言 人脸识别是一种依托于图像理解,模式识别, 计算机视觉等高技术的智能系统,而人脸的特征 提取又是人脸识别系统中的重中之重,提取算法 的优劣将直接影响到其识别率l-1.但由于人脸图 像可能会受到光照,遮挡,人脸表情以及姿态等多 种因素的影响,使得对其进行正确识别存在一定 的难度,如何消除这些不利因素的影响成为人脸 识别问题的关键. 众所周知,2DPCA方法优于传统的PCA方 法.相对于传统的PCA方法,2DPCA是基于二维 矩阵而非一维向量I31,也就是说,图像矩阵不必事 先转化为一维向量,相反,一个图像的协方差矩阵 可直接由原始的图像矩阵构建而得.与PCA协方 差矩阵相比.使用2DPCA方法得到的图像协方差 矩阵要小一些I4】.在2DPCA的基础上,专家学者 们又研究了很多方法对其加以改进,主要有 PCA+2DPCA法,平均脸法,加权平均脸法,Diag— PCA法,(2D)2pCA法,DiagPCA+2DPCA法等.本 收稿日期:2010—06—08 作者简介:沈银银(1986一),女,江苏盐城人,主要研究方向为信息与计算科学,模式识别. 98 第3期沈银银等:二维PCA人脸特征提取算法及其改进 文基于DiagPCA及平均脸的方法对2DPCA方法 加以改进,并讨论其对人脸特征提取的识别效果. 1相关算法介绍 1.1DiagPCA方法 DiagPCA方法的重点是将图像对角化,其假 定每个样本以矩阵m×/l表示,而对角化由m 和几之间的关系确定,如果原图像高度m大于 宽度凡.可将两个相同的图像矩阵在列上合并成 一 个新的矩阵2m×n后进行后续处理;反之