基于图像抽样重组的2维线性鉴别分析

图像识别中的2维线性鉴别分析(2DLDA)实际上是将图像的各个列(或行)视为样本向量,但这些样本向量不能满足统计学中的独立同分布要求。为克服2DLDA的不足,提出了基于图像抽样重组的2DLDA(SR2DLDA),它对图像进行下抽样,并将抽样所得的不同小图像重组成矩阵,然后对这些矩阵实施2DLDA。由于抽样重组的矩阵改善了各个列向量的独立性与分布同一性,因而SR2DLDA的识别性能有可能优于2DLDA,也优于LDA。在ORL人脸库、UMIST人脸库和FERET人脸库上的实验验证了SR2DLDA的有效性。

基于图像抽样重组的2维核鉴别分析

2维核鉴别分析(2DKDA)存在离散度量矩阵过大而无法计算的问题。该文通过将图像抽样重组与2DKDA的结合,提出了3种基于图像抽样重组的2DKDA(SR2DKDA),它们不仅克服了2DKDA在计算上的困难,识别性能也优于2维线性鉴别分析(2DLDA)。在ORL人脸库和UMIST人脸库的实验验证了SR2DKDA的有效性。