人脸识别中PCA方法的推广

摘要：

主成分分析(Principal Component Analysis,PCA)是公认的特征抽取的最为重要的工具之一,目前仍然被广泛地应用在人脸等图像识别领域.基于PCA,该文提出了分块PCA的人脸识别方法.分块PCA方法先对图像矩阵进行分块,对分块得到的子图像矩阵利用PCA进行鉴别分析.其特点是能有效地抽取图像的局部特征,对人脸表情和光照条件变化较大的图像表现尤为突出.与PCA方法相比,由于使用子图像矩阵,分块PCA可以避免使用奇异值分解理论,过程简便.此外,PCA是分块PCA的特殊情况.在Yale和NUST603人脸库上的试验结果表明,所提出的方法在识别性能上明显优于经典的PCA方法,识别率可以分别提高6.7和4个百分点.

关键词：主成分分析、特征抽取、分块PCA、特征矩阵、人脸识别

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：中国科学院资助项目60472060;江苏省自然科学基金05KJD520036

在线出版日期：2006-02-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：34-38