基于小波多尺度奇异值分解的人脸识别  

Face Recognition Based on Wavelet Multiscale Singular-value Decomposition

作　　者：翟俊海[1] 王华超[1] 翟梦尧[1] 王熙照[1] 

机构地区：[1]河北大学数学与计算机学院河北省机器学习与计算智能重点实验室,保定071002

出　　处：《计算机科学》2011年第6期283-285,F0003,共4页Computer Science

基　　金：国家自然科学基金项目(60773062);河北省自然科学基金项目(F2010000323);河北省高等学校科学技术研究重点项目(ZD2010139)资助

摘　　要：作为一种矩阵分解方法,奇异值分解可用于提取图像的代数特征。图像的奇异值特征具有很多好的性质,如稳定性、几何不变性、对噪声的不敏感性。但是只用一个尺度的图像奇异值特征难以获得高识别率。基于小波变换和奇异值分解,提出了基于小波多尺度奇异值分解的图像特征提取方法,它将多个尺度的小波子图奇异值特征组合起来用于人脸识别,在ORL,YALE和JAFFE 3个人脸数据库上的识别率分别达到82.11%,100%和95.68%。As a matrix decomposition method,singular value decomposition（SVD） can be used to extract algebraic features from images.The SV features of images have many good properties such as stability,geometric invariance,and insensitiveness to noise.However,it is difficult to achieve high recognition rate by only using one scale SV features in ima-ge recognition.Based on the wavelet transforms and SVD,this paper proposed an image feature extraction method which combines multiple scale SV features of wavelet sub-band images.The best recognition rates on three face databses（ORL,YALE,and JAFFE） are 82.11%,100%,and 95.68% respectively,which are higher than existing SVD based approaches.

关 键 词：小波变换 人脸识别 奇异值分解 多尺度分析 特征提取 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]