基于改進的主成分分析類算法的人臉識別.pdf

1、人臉識別是一個具有很高理論和應(yīng)用價值的研究課題。幾十年來，自動人臉識別一直是計算機視覺和模式識別領(lǐng)域的長期挑戰(zhàn)。特征提取是人臉識別的核心問題之一，特征提取的一種常用方法是子空間學(xué)習(xí)方法。子空間學(xué)習(xí)的思想就是將特征從原始的高維數(shù)據(jù)空間投影到低維數(shù)據(jù)空間（投影子空間），投影后的特征要比原始特征易于區(qū)分。其中主成分分析(PCA)算法是一種廣泛使用的線性子空間學(xué)習(xí)方法。
　　針對能量譜的不平衡性會影響人臉識別效果的問題，本文基于白化臉的概

2、念提出了白化主成分分析類算法的框架。該算法框架使用一個白化濾波器和一個低通濾波器對原始圖像進行預(yù)處理，然后結(jié)合傳統(tǒng)的PCA類算法提取特征向量（或矩陣），最后通過k-NN分類方法進行人臉識別。在ORL人臉數(shù)據(jù)庫上進行的實驗表明該算法框架改善了人臉識別的效果，提高了識別的正確率。
　　為了進一步提高在光照、姿態(tài)和表情等有較大變化情形下人臉識別的效果，在圖像分塊技術(shù)和雙向二維主成分分析（(2D)2PCA）的基礎(chǔ)之上，本文提出了分塊雙向二