基于2 D-PCA的两级LDA人脸识别方法

摘要：

线性鉴别分析( LDA)小样本问题的已有解决方法在构造最优投影子空间时未完整利用LDA的4个信息空间，为此，提出一种基于二维主成分分析(2D-PCA)的两级LDA人脸识别方法。采用减法运算对样本类内散度矩阵和类间散度矩阵的特征值矩阵求逆，以解决小样本问题，并连续应用Fisher准则和修改后的Fisher准则连接2个投影子空间，获取包含LDA的4个信息空间的最优投影方向，利用2 D-PCA对输入样本做预处理，以减少计算复杂度。在ORL和YALE人脸库上的实验结果表明，该方法虽然训练时间略有增加，但识别率分别为92.5%和95.8%，优于其他常用LDA算法。

关键词：线性鉴别分析、直接线性鉴别分析、二维主成分分析、小样本问题、人脸识别、特征提取

分类号：TP18(自动化基础理论)

在线出版日期：2014-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：243-247