融合奇异值分解和主分量分析的人脸识别算法

• 作者: 俞能海 刘政凯 庞彦伟
• 来源期刊: 信号处理
• 关键词: 人脸识别 模式识别 主分量分析 奇异值分解 分类器融合
• 年，卷（期）: 2005,（2）
• 所属期刊栏目: 短文与研究通讯
• 页码范围: 202-205
• 页数: 4页
• 字数: 3078字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0530.2005.02.021

摘要

提出了奇异值分解(SVD)和主分量分析(PCA)相结合的人脸识别算法.理论上,当两种数据或分类器具有一定的独立性或互补性时,数据融合或分类器融合才能改善识别率.SVD和PCA之间有着明显的互补之处.PCA在图像表示上是最佳的(在均方差意义上),但敏感于位移、旋转等几何变换.而SVD则具有位移、旋转不变性.因此,将这两种方法相结合就有可能提高分类性能(好于单独的SVD方法和单独的PCA方法).在ORL数据库上的实验表明,SVD和PCA相融合的识别方法的确提高了人脸识别率.