一种基于局部排序PCA的线性鉴别算法

摘要：

主分量分析(Principal Component Analysis,PCA)是模式识别领域中一种重要的特征抽取方法,该方法通过K-L展开式来抽取样本的主要特征.基于此,提出一种拓展的PCA人脸识别方法,即分块排序PCA人脸识别方法(MSPCA).分块排序PCA方法先对图像矩阵进行分块,对所有分块得到的子图像矩阵利用PCA方法求出矩阵的所有特征值所对应的特征向量并加以标识;然后找出这些所有的特征值中k个最大的特征值所对应的特征向量,用这些特征向量分别去抽取所属的子图像的特征;最后,在MSPCA的基础上,将抽取子图像所得到的特征矩阵合并,把这个合并后的特征矩阵作为新的样本进行PCA+ LDA.与PCA和PCA+ LDA方法相比,分块排序PCA由于使用子图像矩阵,可以避免使用奇异值分解理论,从而更加简便.在ORL人脸库上的实验结果表明,所提出的方法在识别性能上明显优于经典的PCA和PCA+ LDA方法.

关键词：主成分分析、特征抽取、分块PCA、线性鉴别分析

所属期刊栏目：42

分类号：TP391.41(计算技术、计算机技术)

资助基金：扬州科技攻关项目YZ2011099

在线出版日期：2015-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：56-59