基于核的Fisher非线性最佳鉴别分析在人脸识别中的应用

• 作者: 吴小红 成新民 胡文军 蒋云良
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 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
• 年，卷（期）: 2007,（8）
• 所属期刊栏目: 图像分析和识别
• 页码范围: 1395-1400
• 页数: 6页
• 分类号: TP391.41
• 字数: 5488字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-8961.2007.08.014

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴小红	湖州师范学院信息工程学院	24	84	4.0	7.0
2	成新民	湖州师范学院信息工程学院	28	188	6.0	13.0
3	蒋云良	湖州师范学院信息工程学院	71	1242	16.0	34.0
7	胡文军	湖州师范学院信息工程学院	30	92	5.0	8.0