pca人脸识别理论基础.docx

1 PCA与人脸识别及其理论基础 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 幅 N*N 象素的图像可以视为长度为 N2 的矢量，这样就认为这幅图像是位于 N2 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。 K-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： X =莎0 式中：a是加权系数，（是基向量，此式还可以用矩阵的形式表示 ： X = ?氛，$）（a, a，“，a ） =①“ 取基向量为正交向量，即 ?1 i = j ①①=7 . . ?①①=I ? 0 i冇 则系数向量为： a =①X 综上所述， K-L 展开式的系数可用下列步骤求出 ： 步骤一求随即向量X的自相关矩阵R =E ??X X勺，由于没有类别信息的样