刘 嵩，罗 敏，向 军，张国平

（1.华中师范大学 物理科学与技术学院，武汉 430079；2.湖北民族学院 信息工程学院，湖北 恩施 445000）

基于小波变换和独立成分分析的人脸识别

刘 嵩1，2＊，罗 敏2，向 军2，张国平1

（1.华中师范大学 物理科学与技术学院，武汉 430079；2.湖北民族学院 信息工程学院，湖北 恩施 445000）

针对传统的独立成分分析算法对光照、表情、姿态等敏感的不足，提出了一种结合小波变换和独立成分分析的人脸识别方法.人脸图像首先经过小波变换后选取低频子图像进行独立成分分析，提取人脸图像特征，最后根据最近邻分类器分类.分析了样本数目、小波分解级数对平均识别率和识别时间的影响.基于ORL人脸数据库的实验结果证明了本方法在识别性能方面相对于单一方法的优越性.

人脸识别；独立成分分析；小波变换；最近邻分类器；特征提取；非高斯性

1 人脸识别的一些方法

人脸识别是模式识别领域重要的研究方向之一，近年来受到研究人员的广泛关注，提出了很多的算法，比较著名的包括主成分分析（principal component analysis，PCA）［1］和独立成分分析（Independent Component Analysis，ICA）［2］等.PCA是建立在重建误差最小意义下的子空间分析方法，提取的分类特征实际上就是图像协方差矩阵较大特征值对应的特征矢量.它仅仅使用了图像的二阶统计量，而没有利用图像中的高阶统计量［3］.对图像数据而言，其大部分重要特征信息诸如图像的边缘特征等与像素间的高阶统计特性有密切关系，基于高阶统计特性分析的ICA方法在……