基于核主量和线性鉴别分析的人脸识别算法研究.pdf

图形、图像与多媒体 Image Processing and Multimedia Technology 基于核主量和线性鉴别分析的人脸识别算法研究 唐晓培 李力争 , （ 中南大学 信息科学与工程学院 湖南 长沙 ） , 410083 摘 要： 采用基于非线性核空间的主分量分析法（KPCA) 和线性主元空间鉴别分析法(LDA) 相结合 的算法，首先将人脸图像在非线性高维空间中进行主成分分量降维，然后采用基于主元空间的 LDA 方法对子空间再度降维， 同时利用欧式距离分类器(KNN) 对样本进行有效的分类识别。 采用 Matlab 和 ORL 人脸库对该算法进行验证，实验证明，该算法识别性能显著提高，明显优于其他算法。 关键词： PCA; LDA; KPCA; 核函数； 欧氏距离分类； ORL 人脸库 中图分类号： TP391.41 文献标识码：A 文章编号： 1674-7720(2010)20-0039-04 Face recognition algorithm based on kernel principal amount and linear discriminant analysis TANG Xiao Pei, LI Li Zheng (Department of Information Science and Engineering,Central South University, Changsha 410083, China) Abstract: This paper uses a new algorithm, which combines nonlinear kernel space based principal component analysis method (KPCA) and principal component space linear discriminant analysis method (LDA).The first step is to reduce the dimension of the principal components of the face image in non -linear high dimensional space. The second step is to use LDA method based on principal component subspace to reduce further dimension. And the Euclidean distance separator is embedded to LDA to classify the sample effectively. This paper at last uses Matlab and the ORL face database to verify the algorithm, and experimental results show that the algorithm is much better than other algorithms and is significantly improved the performance . Key words: PCA; LDA; KPCA; kernel function; Euclidean distance classifier; ORL face database 近些年 人脸识别已成为计算机视觉和模式识别领 近十年来，核函数技术在模式识别领域中得到了迅 , 域中的热门课题，有着广阔的应用前景。众所周知，人脸