基于子模式的二维主成分分析融合复判别分析的人脸识别

提出了一种有效的人脸表示与识别的方法。为了能有效地保持各个子块间的空间关系,该方法首先对图像进行分块,对分块后各子样本集使用二维PCA方法分别抽取图像行间信息和列间信息,然后将子块的行和列特征融合成子复数特征矩阵。再利用复二维判别分析C2DLDA方法,从子复数特征矩阵中进一步进行特征提取,最后把各子复特征矩阵拼成相应原始图像的特征矩阵。实验结果表明,该方法降低了特征的维数,减少了表情和光照等因素对人脸识别准确率的影响,获得了较好的识别性能。

基于二维复判别分析的人脸识别研究

为了提高人脸正确识别率和效率,在行列方向的二维线性判别分析((2D)2LDA)基础之上,提出了一种二维复判别分析(2DCCDA)的人脸识别方法。该方法通过(2D)2LDA并行提取到的行和列特征矩阵,利用复二维鉴别式分析(C2DLDA)将行和列特征融合成复数特征矩阵,从复数特征矩阵中提取出最具分类能力的系数组成特征向量。相比较二维线性判别分析(2DLDA)和(2D)2LDA方法,2DCCDA需要更少的特征系数来表征一幅图像,并且正确识别率也相应提高。