改进的二维典型相关分析及其人脸识别应用  

Improved Two-dimensional Canonical Correlation Analysis and Its Application in Face Recognition

作　　者：刘艳艳[1] 曹慧荣[2] 王建国[3] 赵宜宾[1] 

机构地区：[1]防灾科技学院基础部,河北三河065201 [2]廊坊师范学院数学与信息科学学院,河北廊坊065000 [3]北京信息职业技术学院媒体制作中心,北京100015

出　　处：《计算机工程》2012年第10期151-153,共3页Computer Engineering

基　　金：中国地震局教师科研基金资助项目(20110116);河北省自然科学基金资助项目(A2011408006)

摘　　要：针对二维典型相关分析(2DCCA)中类标矩阵维数较大及算法耗时过多的问题,提出一种改进的2DCCA特征提取方法。利用图像的频谱性质定义低维的类标矩阵,从有利于模式分类的角度构造出新的准则函数,采用二维主成分分析对所得特征进一步降维,得到更具分类判别能力的低维特征。在ORL和组合人脸数据库上的实验结果表明,该特征具有较好的分类能力。An Enhanced Two-dimensional Canonical Correlation Analysis（E-2DCCA） method is presented to solve the problem that 2DCCA requires much storage space and runtime.By making use of the spectrum representation of images,a new class-membership matrix is constructed.A modified correlation criterion function is proposed from the angel of favoring classification.Two-dimensional Principal Component Analysis（2DPCA） method is used for further dimensional reduction.Experimental results on ORL and combined face databases show that the features have powerful ability of recognition.

关 键 词：二维典型相关分析 频谱特征 类标矩阵 准则函数 特征提取 人脸识别 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]