基于PCA、FLD和小波包子图融合的人脸识别算法

摘要：

基于单一理论的识别方法由于各种因素的限制,存在自身固有的局限性.为提高算法的效率和准确率,本文结合主成分分析法(PCA)和Fisher线性判别法(FLD),提出一种基于融合小波包子图的人脸识别方法FW-PCA-FLD.该方法首先将小波包分解后的人脸子图像根据其能量分布特性进行加权融合,然后利用PCA方法对融合后的小波包图像进行特征提取,最后用Fisher线性判别找到合适的投影空间,通过度量训练样本与测试样本在投影空间上的投影系数进行人脸的分类识别.在CMU PIE人脸库、JAFFE人脸库上的实验结果表明,本文提出的人脸识别算法不仅在正确识别率和识别时间效率上表现较为优越,而且对不同光照、表情、姿态变化下的人脸识别都保持较好的适应性.

关键词：人脸识别、主成分分析法(PCA)、Fisher线性判别法(FLD)、小波包、加权融合

所属期刊栏目：28

资助基金：国家自然科学基金61602229;山东省自然科学基金ZR2016FM13,ZR2017MF062,ZR2017PF010

在线出版日期：2019-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：828-834