基于图像抽样重组的2维核鉴别分析Dimensional-电子与信息学报.PDF

第 31 卷第 12 期 电 子 与 信 息 学 报 Vol.31No.12 2009 年 12 月 Journal of Electronics Information Technology Dec..2009 基于图像抽样重组的2 维核鉴别分析 程正东①②③ 樊 祥①②④ 章毓晋③ ①(脉冲功率激光技术国家重点实验室(电子工程学院) 合肥 230037) ②(电子工程学院 合肥 230037) ③(清华大学电子工程系 北京 100084) ④(中国科技大学六系 合肥 230027) 摘 要：2 维核鉴别分析(2DKDA)存在离散度量矩阵过大而无法计算的问题。该文通过将图像抽样重组与 2DKDA 的结合，提出了 3 种基于图像抽样重组的 2DKDA(SR2DKDA)，它们不仅克服了 2DKDA 在计算上的困难，识别 性能也优于 2 维线性鉴别分析(2DLDA)。在ORL 人脸库和 UMIST 人脸库的实验验证了 SR2DKDA 的有效性。 关键词：2 维线性鉴别分析；2 维核鉴别分析；图像抽样重组；抽样重组 2 维核鉴别分析 中图分类号：TP391 文献标识码：A 文章编号：1009-5896(2009)12-2958-05 2-Dimensional Kernel Discriminant Analysis Based on Image Sampling and Regrouping ①②③ ①②④ ③ Cheng Zheng-dong Fan Xiang Zhang Yu-jin ① (State Key Laboratory of Pulsed Power Laser Technology (Electronic Engineering Institute), Hefei 230037, China) ② (Electronic Engineering Institute, Hefei 230037, China) ③ (Electronic Engineering Department of Tsinghua University, Beijing 100084, China) ④ (Science and Technology University of China, Hefei 230027, China) Abstract: 2-Dimensional Kernel Discriminant Analysis (2DKDA) can not be performed since its scatter metric matrices are too large. This paper combines the sampling and regrouping images with 2DKDA and gives three kinds of Sampling and Regrouping 2-Dimensional Kernel Discriminant Analysis (SR2DKDA). These algorithms not on