基于Gabor特征的LDA人臉識別方法研究.pdf

1、統(tǒng)計模式識別方法現(xiàn)在已經(jīng)成功地被應用到了很多目標識別的問題當中，其中一個經(jīng)典的例子就是應用于人臉識別，這也是模式識別領域的一個重要研究方向。其中基于主成分分析(PCA)和線性鑒別分析(LDA)就是十分具有代表性的基于統(tǒng)計的人臉識別方法。而Gabor小波變換系數(shù)作為人臉特征所完成的人臉識別具有良好的視覺特征和生物學特征，被廣泛用于人臉特征提取。本文針對兩類經(jīng)典識別方法在具體應用中體現(xiàn)出的不足之處，進一步將人臉圖像的Gabor特征和PCA算

2、法以及LDA算法相結合并改進，提出兩種新的算法進行人臉識別，以期達到提高識別率的目的。
　　 本文研究工作主要圍繞以下2個方面進行：
　　 第一，在傳統(tǒng)的Gabor-LDA算法上，提出自適應加權Gabor-LDA。算法首先對人臉圖像進行Gabor小波變換，然后對得到的特征向量使用改進的主成分分析方法(PCA)變換降維，在降維后的子空間內(nèi)，根據(jù)樣本與同類樣本間的距離賦予該樣本一權值，再用加權后的樣本求取類均值，以新的類均值

3、重建類內(nèi)散布矩陣和類間散布矩陣，從而改進了線性鑒別分析(LDA)判別函數(shù)，有效的解決小樣本情況下訓練樣本類均值偏離類中心的問題。
　　 第二，在Gabor小波、二維主成分分析(2DPCA)、二維線性鑒別分析(2DLDA)的基礎上，對Gabor-2DLDA人臉識別方法進行研究。算法首先對人臉圖像進行Gabor小波變換，在降維的子空間內(nèi)，然后進行2DLDA處理，最后使用最近鄰法則進行分類。
　　 本文以ORL和Yale人臉數(shù)