一种对角LDA算法及其在人脸识别上的应用

摘要：

2维特征抽取方法(如2DPCA、2DLDA),因为其抽取特征的速度和识别率要比1维的方法好,所以在人脸识别中得到了广泛的应用.最近基于2DPCA又提出了对角主成份分析(diagonal principal component analysis,DiaPCA),该方法由于保持了图像的行变化和图像的列变化之间的相关性,从而克服了2DPCA仅能反映图像行之问的变化,而忽略了图像列之间变化的缺点.但是,由于DiaPCA并没在特征抽取中融人鉴别信息,同时2DLDA也具有与2DPCA同样的缺点,从而分别影响了DiaPCA与2DLDA两种方法的识别性能.针对这一问题,提出了一种对角线性鉴别分析(diagonal linear dicriminant analysis,DiaLDA)的新算法,该新算法是基于对角人脸图像来求解最优鉴别向量.该新算法在ORL和FERET人脸库进行了实验,并与PCA、Fisherface、DiaPCA、2DLDA等方法进行了比较.实验结果表明,该方法比其他方法的识别性能要好.

关键词：2维主成份分析、2维线性判别分析、对角主成份分析、对角线性鉴别分析、特征抽取、人脸识别

所属期刊栏目：13

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金60472060

在线出版日期：2008-06-19（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：686-690