PCA人脸识别理论基础(附源码).pdf

1 PCA 与人脸识别及其理论基础 1.1 问题描述 [1] 对于一幅图像可以看作一个由像素值组成的矩阵， 也可以扩展开， 看成一个矢量， 如一 2 2 幅 N*N 象素的图像可以视为长度为 N 的矢量，这样就认为这幅图像是位于 N 维空间中的一 个点， 这种图像的矢量表示就是原始的图像空间， 但是这个空间仅是可以表示或者检测图像 的许多个空间中的一个。 不管子空间的具体形式如何， 这种方法用于图像识别的基本思想都 是一样的， 首先选择一个合适的子空间， 图像将被投影到这个子空间上， 然后利用对图像的 这种投影间的某种度量来确定图像间的相似度，最常见的就是各种距离度量。 1.1.1K-L 变换 [1] PCA 方法是由 Turk 和 Pentlad提出来的，它的基础就是 Karhunen-Loeve 变换 (简称 KL 变换 )，是一种常用的正交变换。下面我们首先对 K-L 变换作一个简单介绍 : 假设 X 为 n 维的随机变量， X 可以用 n个基向量的加权和来表示 : n X = α φ ∑ i i i= 1 式中 : α 是加权系数， φ是基向量，此式还可以用矩阵的形式表示 : i i T φφ φ α α α X =( , 1 ,2 , )( n , 1 , 2 , ) n = Φ α 取基向量为正交向量，即 T ?1 i=j T Φ Φ = ? Φ Φ = I j ? j ?0 i ≠j 则系数向量为： T α= Φ X 综上所述， K-L 展开式的系数可用下列步骤求出 : T