基于改进LDA算法的人脸识别

提出一种基于改进LDA的人脸识别算法,该算法克服传统LDA算法的缺点,重新定义样本类间离散度矩阵和Fisher准则,从而保留住最有辨别力的信息,增强算法的识别率.实验结果证明该算法是可行的,与传统的PCA+LDA算法比较,具有较高的识别率.

维普资讯 http://doc.guandang.net

第 3卷 ( 07第 8期 5 20 )

计算机与数字工程

3 1

基于改进 L A算法的人脸识别 D齐兴敏尹朝庆武汉

李智博40 6 ) 30 3

(汉理工大学武

摘

要

提出一种基于改进 L A的人脸识别算法，算法克服传统 L A算法的缺点， D该 D重新定义样本类间离散度矩阵

和 Fse准则，而保留住最有辨别力的信息， i r h从增强算法的识别率。实验结果证明该算法是可行的，与传统的 P A+L A C D算法比较，具有较高的识别率。 关键词 L A P A识别率 D CT 13 P 8

样本类间离散度矩阵

样本类内离散度矩阵

中图分类号

1引言 人脸识别技术是计算机视觉和模式识别领域理论的一个重要应用，已成为一个科研热点。目前常用的人脸识别方法可以分为两大类：于统计和基基于几何的方法。L A方法是统计方法中较常用 D……

s= p( 口 im—m) m一m) 口 ( =口

() 2

其中 N表示样本总数，含 c类模式， (=12包 i, C表示第 i样本的数量， 示各类模式 )类 m表i甜 i i} (=1 2…,‘=1 2:{, 2 j, i,, C; … v ,,,…

的均值，示总样本均值。C类模式表示为： m表N ) i。

的一种。但 L A在使用时容易产生“样本问 D小题”,以有人提出了“ C+L A”~的方…所 PA D[[]法来解决它。该方法先利用 P A同时丢掉样本类 C和类间离散度矩阵的零空间来降维，用 L A映再 D射识别，是类内离散度矩阵的零空间包含“但最有辨别力”信息，它去掉就会失去这些有用信的把息。鉴于此，文对传统的 L A算法作了两点改本 D进，出一个新的 L A算法，得 D并将它应用于人脸识别。实验结果证明它是可行的。

,

L A的目标就是要寻找变换， s D当非奇异时，使得 Fse准则最大： i r h a mx唱 a㈩

这里的 (=1…m)是满足如下等式的解： i,就S= S Wi口 A () 4

2 2改进的 L A算法 . D

众所周知，传统 L A有两个突出缺点： D一是处理高维图像时容易产生“样本问

题”即样本维小，数大大超过训练图像个数的问题；二是由此引发的边缘类主导特征空间分解的问题]。为了解决这

2改进 L A算法 D2 1传统的 L A算法 . D

L A方法又称应用线性辨别分析 ( i a i D Ln rD s e .

两个问题，文对传统算法做如下两点改进：本 ( )别对类间离散度矩阵和 Fse 1分 i r准则做 h如下修改：s= ,

ciiat nl i)法。它的目标就是从高维 r nn a s方 m A ys特征空间里提取出最具有判别能力的低维特征， 这些特征能帮助将同一个类别的所有样本聚集在一

.

起，不同类别的样本尽量分开，即选择使类间

互 wo )m一 r () P￣D m一 ( m) 5 P (

和类内离散度的比值最大的特征 ( i e准则 ) Fs r h。传统的 L A方法定义类内离散度矩阵 s D和类间离散度矩阵 S如下：C Ni

口=/m一 m一，D= ￣( )( ) W其中，i p分别是类别和的先验概率， P和 口是两个类别之间的欧式距离， W口是加权函数。

s 二P(— (— = m ) m)=‘ U J

() 1收到本文时间：0 6年 9月 2日 20 2

se则： hr准

=ag m x r a

,

作者简介：齐兴敏，,士，究方向：工智能及应用。尹朝庆，,授，究方向：工智能、女硕研人男教研人计算机网络。 李智博，,女硕士，研究方向：计算机软件与理论。

http://doc.guandang.net