基于DCT的改进零空间人脸识别算法.pdf

第 30 卷第 7 期 电 子 与 信 息 学 报
2008 年 7 月
combining this method with F-LDA an efficient new feature extraction algrithm is proposed for face recognition.
Experimental results show that this method achieves better performance than existing ones.
Key words: Face recognition; Linear Discriminant Analysis(LDA); DCT; Null space; Fractional-LDA
−1
1 引言 由 SSwb的特征向量组成的。但是，对于人脸这样高维的数
据，其维数往往大于样本数，这时 S 奇异，因此无法直接
过去的几十年里，基于统计的人脸识别技术获得了较大 w
求解W ，这就是所谓的小样本问题。另外，Fisher 准则函
的发展[1]。基于统计的人脸识别通常把一幅包含 mn× 个像
数过分强调了那些具有较大类间距离的类别，分类准则并不
素的图像看作是 mn× 维空间里的一点。然而，如果直接在
直接与识别率相关。针对这两个问题，本文提出一种基于
mn× 这样的高维空间里进行识别，则不仅计算量过于庞大，
的改进零空间 方法，实验结果表明本文提出的新
并且各模式类比较分散，不利于识别方法的鲁棒性。因此在 DCT