基于小波分析与KPCA的人脸识别方法  

Method based on wavelet multiresolution analysis and KPCA for face recognition

作　　者：李伟红[1] 龚卫国[1] 陈伟民[1] 梁毅雄[1] 尹克重[1] 

机构地区：[1]重庆大学光电技术及系统教育部重点实验室,重庆400044

出　　处：《计算机应用》2005年第10期2339-2341,共3页journal of Computer Applications

基　　金：教育部科学研究重点项目(02057);重庆市自然科学基金资助项目(CSTC2005BA2002CSTC2005BB2181)

摘　　要：提出结合小波变换及KPCA的特点获取人脸特征,设计线性SVM分类器进行分类识别。由于KPCA中核函数的参数选择以及训练样本与测试样本的划分对分类识别有一定的影响,为了获得最优的识别效果,在UM IST人脸数据库上进行相应的实验。结果表明本方法可以获得较好的分类识别率,是一种快速、有效的人脸识别方法。Feature selection is very important for face recognition. The valuable facial low-frequency features can be obtained by wavelet multiresolution analysis and the non-linear features kernel principle component analysis （KPCA） can be extracted from initial face images. In this paper, an efficient method based on wavelet multiresolution analysis and KPCA was proposed for face feature selection and a linear support vector machine（SVM） classifier was designed for face recognition, Experimental results on UMIST face databases indicate the effectiveness of the proposed method.

关 键 词：人脸识别 小波变换(WT) 核主元分析(KPCA) 支持向量机(SVM) 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]