基于核的Fisher非线性最佳鉴别分析在人脸识别中的应用

成新民; 蒋云良; 胡文军; 吴小红

发布时间：
摘要点击次数： 2926
全文下载次数： 324
DOI: 10.11834/jig.20070814
2007 | Volume 12 | Number 8

基于核的Fisher非线性最佳鉴别分析在人脸识别中的应用

成新民¹, 蒋云良¹, 胡文军¹, 吴小红¹([1]朗州师范学院信息工程学院，湖州 313000，[2]浙江大学计算机科学与技术学院，杭州 310027)

摘要

抽取最佳鉴别特征是人脸识别中的重要一步。对小样本的高维人脸图像样本，由于各种抽取非线性鉴别特征的方法均存在各自的问题，为此提出了一种求解核的Fisher非线性最佳鉴别特征的新方法，该方法首先在特征空间用类间散度阵和类内散度阵作为Fisher准则，来得到最佳非线性鉴别特征，然后针对此方法存在的病态问题，进一步在类内散度阵的零空间中求解最佳非线性鉴别矢量。基于ORL人脸数据库的实验表明，该新方法抽取的非线性最佳鉴别特征明显优于Fisher线性鉴别分析（FLDA）的线性特征和广义鉴别分析（GDA）的非线性特征。

关键词

人脸识别 Fisher非线性鉴别分析核方法小样本问题病态问题

Face Recognition Based on Kernel Fisher Nonlinear Optimal Discriminant Analysis

()

Abstract

Keywords

face recognition Fisher nonlinear discriminant analysis kernel method small sample size problem ill-pose problem

在线采编平台

论文出版

年度会议

下载中心

年度信息