基于PCA与贝叶斯决策的人脸识别算法.pdf

《基于PCA与贝叶斯决策的人脸识别算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第36卷第2期光学仪器Vo1．36，No．22014年4月OPTICALINSTRUMENTSApril，2014文章编号：1005—5630(2014)02—0122—04基于PCA与贝叶斯决策的人脸识别算法全星慧，牟海维，吕秀丽，张华(东北石油大学电子科学学院，黑龙江大庆163318)摘要：研究了主元分析与贝叶斯决策相结合的人脸识别方法。利用主元分析提取人脸图像训练集的特征子空间，将训练图像和测试图像投影到该子空间，提取特征向量及计算统计特性，利用最小错误率贝叶斯决策规则对测试图像进行分类，从而

2、实现人脸识别。大量实验表明：主元分析能将人脸图像的特征信息有效地映射在特征子空间，同时采用贝叶斯决策规则能够快速准确地对人脸图像进行分类。关键词：主元分析；贝叶斯决策；人脸识别中图分类号：TP391．4文献标志码：Adoi：10．3969／j．issrL1005—5630．2014．02．007ResearchonfacerecognitionmethodsbasedonprincipalcomponentanalysisandBayesiandecisionQUANXinghui，MUHaiwei

3、，LXiuli，ZHANGHua(CollegeofElectronicScience，NortheastPetroleumUniversity，Daqing163318，China)Abstract：Amethodforfacerecognitionbasedonprincipalcomponentanalysis(PCA)andBayesiandecisionisdescribed．ExtractingfeaturesubspaceoffaceimagetrainingsetsusingPCA，

4、thetrainingimagesandtestimagesareprojectedinthesubspace，theeigenvectorsareextractedandthestatisticalpropertiesarecalculated，adoptBayesiandecisionbasedonminimumerrorratetorealizefacerecognition．ExperimentalresultsshowthatPCAiswellinthesubspaceoffaceimag

5、estoextractfeatureinformation，byBayesiandecisioncanquicklyandaccuratelyclassifythefaceimages．Keywords：principlecomponentanalysis；Bayesiandecision；facerecognition引言人脸识别技术是模式识别和人工智能领域的一个热门课题，它覆盖了图像处理、模式识别、人工神经网络、生理学及心理学等许多学科的内容，具有非常广泛的应用前景。通常人脸识别系统包括人脸检测

6、、人脸预处理、人脸特征提取和人脸识别等主要步骤。本文提出了一种主元分析结合最小错误率贝叶斯决策实现人脸分类识别的算法。1主元分析原理及人脸特征子空间提取基于主元分析(principlecomponentanalysis，PCA)的人脸特征提取方法是建立在K_L变换基础上收稿日期：2O13—11—19基金项目：黑龙江省科技厅自然科学基金项目(F201108)作者简介：全星慧(1978一)，女，副教授，硕士，主要从事图像处理及模式识别的研究。E-mail：xinghui8@126．com通讯作者：牟海维

7、(1963一)，男，教授，博士，主要从事图像测试与信息处理技术的研究。E-mail：mhwmzh@163．corn第2期全星慧，等：基于PCA与贝叶斯决策的人脸识别算法·123·的。因为人脸结构的存在，当把这样的人脸图像归一化之后，这些图像在这个高维空间中不是随机、散乱地分布而是存在特定的规律。因此，通过K—L变换用一个低维子空间描述人脸图像，同时又可以提取所需要的识别信息。1．1主元分析原理对于一幅人脸图像，用f(x，)来表示，这里z和Y指空间中的坐标。实际在计算机的应用中，人脸图像f(x，．y)

8、在空间坐标和灰度上都己经被离散化了，因此可以用一个矩阵来表示一幅人脸图像，矩阵中的每一个元素对应图像中的一个像素点，而矩阵中的相应元素的值对应该点的灰度等级。选择人脸库中每个人一定数量的图像构成训练集，其余形成测试集，用于测试系统性能。一幅NXN的图像按列相连可构成一个N。维列向量，通过主元分析方法用一个低维子空间来表示原始图像[3]。设训练集中有M幅大小为NXN的人脸图像，将每幅图像看作是长度为N。的列向量，记作Ex娩⋯晰]。用表示M幅人脸图像的平均向量：1M一刍置