【正文】 11 ( )( )jK Tw j jj x CS x u x uN??? ? ???11 ( ) ( )K Tb j jjS u u u uN?? ? ??||||Ti b ii Ti w ix S xmx S x?啟迪管理課程 重慶郵電大學碩士論文答辯 29 主要工作一：結(jié)合線性判別法則的 2DPCA算法 ? 對總體散度矩陣進行特征值分解，得到特征向量 ? 提取前 個特征向量，記為 ? 用線性判別法則篩選較小特征值對應的特征向量，記為 ? 用兩次提取的特征向量，一起組成投影空間的基 12, , ... , kx x x1n112, , ..., nx x x212, , ..., nz z z121 , 2 1 2[ , . . . , , , , . . . , ]nnW x x x z z z?啟迪管理課程 重慶郵電大學碩士論文答辯 30 主要工作一：篩選特征向量示例 表 1和表 2 特征向量與投影后的比值 啟迪管理課程 重慶郵電大學碩士論文答辯 31 主要工作一：改進 2DPCA算法的人臉識別過程 圖 4 結(jié)合線性判別法則的 2DPCA算法的人臉識別過程 投 影 空 間特 征 信 息利 用 結(jié) 合 線 性 判 別 法 則 的 2 D P C A 算 法 ， 生 成 投 影 空 間投 影特 征 信 息輸 出最 近 鄰 分類 器輸 出投 影測試樣本訓 練 樣 本輸 出 結(jié) 果啟迪管理課程 重慶郵電大學碩士論文答辯 32 主要工作一：改進 2DPCA算法的識別率 圖 5 使用 ORL人臉庫的識別率 0 5 10 15 20 25 30 35 40 450 .8 60 .8 80 .9 00 .9 20 .9 40 .9 60 .9 8識別率人臉類別數(shù) 經(jīng)典的 2D PC A 算法 結(jié)合線性判別法則的 2D PC A 算法2 4 6 8 10 12 14 160 .7 7 50 .7 8 00 .7 8 50 .7 9 00 .7 9 50 .8 0 00 .8 0 50 .8 1 00 .8 1 50 .8 2 00 .8 2 50 .8 3 00 .8 3 50 .8 4 00 .8 4 50 .8 5 00 .8 5 50 .8 6 00 .8 6 5識別率人臉類別數(shù) 經(jīng)典的 2DPCA 算法 結(jié)合線性判別法則的 2DPCA 算法圖 6 使用 YALE人臉庫的識別率 結(jié)論一： 結(jié)合線性判別法則的 2DPCA算法提高了經(jīng)典 2DPC的 識別率。 結(jié)論三： 使用 YALE人臉庫時，算法識別率為 %。 ■ 識別中的偶然性較大。 ? 用每個類中選出的人臉樣本計算 加權(quán)平均臉 其中， 為樣本序號； 為訓練樣本到測試樣本的距離。 啟迪管理課程 重慶郵電大學碩士論文答辯 42 主要工作二：加權(quán)平均臉算法的識別時間 圖 15 使用 ORL人臉庫實驗所用時間 圖 16 使用 YALE人臉庫實驗所用時間 0 5 10 15 20 25 30 35 40 450 .00 .51 .01 .52 .02 .53 .03 .54 .04 .55 .05 .56 .06 .5識別時間(秒)人臉類別數(shù) 經(jīng)典的最近鄰分類器 加權(quán)平均臉算法2 4 6 8 10 12 14 160 .10 .20 .30 .40 .50 .60 .70 .80 .91 .01 .11 .21 .31 .41 .51 .61 .71 .81 .9識別時間(秒)人臉類別數(shù) 經(jīng)典的最近鄰分類器 加權(quán)平均臉算法啟迪管理課程 重慶郵電大學碩士論文答辯 43 內(nèi)容安排 一、研究背景 二、論文主要工作 2DPCA算法 三、總結(jié)及未來工作 四、致謝 啟迪管理課程 重慶郵電大學碩士論文答辯 44 主要工作三：融合算法的理論分析 ? 融合算法的思路 ■ 在特征提取環(huán)節(jié)和分類識別環(huán)節(jié)同時改進算 法 ■ 通過圖像預處理補償光照變化對人臉識別的 影響 啟迪管理課程 重慶郵電大學碩士論文答辯 45 主要工作三：算法步驟 ? 通過直方圖均衡化和小波變化，對原始圖像進行預處理 ? 用結(jié)合線性判別法則的 2DPCA算法進行特征提取 ? 用加權(quán)平均臉算法分類識別 啟迪管理課程 重慶郵電大學碩士論文答辯 46 主要工作三：融合算法的步驟 經(jīng) 典 的 2 D P C A 算 法 改 進結(jié) 合 線 性 判 別 法 則的 2 D P C A 算 法最 近 鄰 分 類 器 改 進 加 權(quán) 平 均 臉融 合 融 合 算 法圖 像 預 處 理圖 17 融合算法的算法步驟 啟迪管理課程 重慶郵電大學碩士論文答辯 47 主要工作三：融合算法的識別率 圖 18 使用 ORL人臉庫的識別率 圖 19 使用 YALE人臉庫的識別率 0 5 10 15 20 25 30 35 40 450 .8 60 .8 80 .9 00 .9 20 .9 40 .9 60 .9 81 .0 0識別率人臉類別數(shù) 2DPCA+ 最近鄰分類器 融合算法2 4 6 8 10 12 14 160 .7 80 .8 00 .8 20 .8 40 .8 60 .8 80 .9 00 .9 20 .9 40 .9 60 .9 8識別率人臉類別數(shù) 2D PC A+ 最近鄰分類器 融合算法結(jié)論一： 融合算法有效的提高了識別率，在使用 ORL人臉庫的 實驗中，融合算法的平均識別率分別為 %。但我們也 要看到，融合算法的運算時間主要集中在訓練階段，因此算法 增加的運算時間是可以接受的。 。 ? 感謝光纖通信重點實驗室的全體老師、同學給予我?guī)椭? 這說明通過預處理補償圖像的光照變化是可行的。 121 2 1 21 1 1 1 1 1( . . . ) / ( . . . )nnny x x xd d d d d d? ? ? ? ? ? ? ? ? ?ix id啟迪管理課程 重慶郵電大學碩士論文答辯 38 主