復數(shù)矩陣LDA與2DLDA人臉識別算法研究.pdf

1、人臉識別是指通過分析人臉視覺特征信息來判斷人的身份的一種自動化計算技術。最近幾十年，人臉識別隨著計算機處理信息水平的提高而有了很快的發(fā)展，為身份識別的自動化發(fā)展提供了較好的解決方案。但人臉圖像信息量大，容易受到光照、角度等自然因素影響，需要采取較多的樣本圖像進行比照或訓練，并且必須對信息進行篩選以降低計算的復雜度并提取關鍵判別信息。基于線性子空間的2DLDA(二維線性判別分析)人臉識別算法能夠?qū)θ四槇D像數(shù)據(jù)降維，它將人臉圖像測試樣本變換

2、為二維矩陣并對其進行列/行方向的二維線性判別分析，相對于其它人臉識別算法，這種算法的處理速度較快，識別率較高。本文主要研究如何改進2DLDA來進一步提高2DLDA算法的識別效果。本文主要工作如下：
　　(1)2DLDA和復數(shù)矩陣LDA都能夠?qū)煞N不同類型人臉圖像進行信息融合。本文通過實驗仿真在HFB人臉庫中對比了這兩種方法在可見光圖像和近紅外圖像信息融合方面的識別效果并分析了產(chǎn)生這種結(jié)果的原因。
　　(2)考慮待識別圖像較接

3、近該類樣本平均圖像的特點，本文提出了一種新的基于歐氏距離和平均臉的ED-AF分類器。該方法能夠通過權衡最近鄰和平均臉的共同影響，而糾正部分偏離較大的測試樣本的識別結(jié)果。在ORL人臉庫上的仿真實驗結(jié)果證明該方法具有較好的識別效果。
　　(3)2DLDA對處理聚類性較強的人臉圖像數(shù)據(jù)效果比較好，而對于復合分布的數(shù)據(jù)則可能會錯誤估計投影轉(zhuǎn)換矩陣，本文根據(jù)2DLDA原理，通過研究類內(nèi)離散度矩陣Sw和類間離散度矩陣Sb的定義，對Sw和Sb進