基于LDA的人臉圖像分析.pdf

1、人臉識(shí)別的研究開始于上世紀(jì)70年代，經(jīng)過幾十年的發(fā)展，已有大量的算法涌現(xiàn)出來。在眾多人臉識(shí)別算法中，基于表觀的方法是最優(yōu)秀的方法之一。而線性鑒別分析(Linear Discriminant Analysis LDA)和主成分分析(Principal Component Analysis PCA)是基于表觀的方法中最重要的兩種特征提取與降維技術(shù)。從分類的角度看，基于LDA的算法比基于PCA的算法表現(xiàn)要好些。
　　PCA算法提取出來的

2、主分量主要代表了整體數(shù)據(jù)差異最大的方向，但這些投影方向并非是最具鑒別性的。由此，本文提出了一種新的算法，通過賦予 PCA的主分量以鑒別權(quán)重并通過權(quán)重大小來選取最具鑒別性的主分量。其中，鑒別權(quán)重通過線性鑒別分析算法得出。在樣本類之間差別微小，傳統(tǒng) PCA無法對(duì)其進(jìn)行鑒別時(shí)，在FERET人臉數(shù)據(jù)庫上的實(shí)驗(yàn)證明了本文所提出的算法可以用更少的線性特征實(shí)現(xiàn)更高的識(shí)別率。
　　最近，Loog等人提出了一個(gè)觀點(diǎn)，說傳統(tǒng)的LDA算法所優(yōu)化的鑒別準(zhǔn)

3、則方程并不能給出很好的鑒別精度，原因是計(jì)算所得的投影方向過多的受到原始空間中已經(jīng)得到很好劃分的樣本的影響，從而使其他類別在投影結(jié)果中出現(xiàn)不必要的重疊。并且LDA作為一個(gè)線性的算法不能夠很好的描述像光照、表情變換和姿態(tài)變化等復(fù)雜的變化。為了克服以上兩個(gè)問題，本文提出了一種新的基于核的相關(guān)加權(quán)的線性鑒別分析方法。該方法有如下兩個(gè)優(yōu)點(diǎn)：第一，引入了一個(gè)權(quán)方程，克服了原樣本中本來已經(jīng)得到良好區(qū)分的樣本對(duì)整個(gè)鑒別結(jié)果有過大影響的問題，從而更加適合