刘 辉，马 文，何 强

(1.重庆邮电大学 通信新技术应用研究中心，重庆 400065； 2.重庆信科设计有限公司，重庆 400065)



基于改进核范数的2DPCA人脸识别算法研究

刘 辉1，2，马 文1，何 强1

(1.重庆邮电大学 通信新技术应用研究中心，重庆 400065； 2.重庆信科设计有限公司，重庆 400065)

传统的二维主成分分析法广泛应用于图像特征提取，为了使此算法更加有效，提出了一种结构化二维算法，即核范数2DPCA算法(N-2-DPCA)。该算法基于核范数重构误差准则，将核范数最优化问题转化为基于F范数的最优化问题，然后通过采用迭代方法寻找到最佳投影矩阵，最后运用最小欧氏距离规则识别出待识别人脸的身份。在此基础之上，将N-2-DPCA扩展到基于双边投影的算法(N-B2-DPCA)，采用曲线搜索算法寻找到双边投影矩阵，继而进行识别。最后将提出的算法在FERET和Yale B人脸数据库中进行人脸识别评估，实验结果表明所提出的算法与L1-2DPCA相比，重建误差降低了2.19%，识别率提高了2.03%，性能更好。

二维主成分分析法；特征提取；核范数；重建误差；双边投影

主成分分析法是一种经典的特征提取算法，它广泛应用于模式识别和计算机视觉等领域[1]。因此得到了深入的研究，从而扩展了大量版本。如加权主成分分析法(WPCA)和独立主成分分析法(ICA)。WPCA采用加权距离缓解异常值在投影方向的影响，ICA作为PCA算法的推广，不仅与变量的二阶相关，而且对它们的高阶存在依赖关系。PCA使数据不相关，而ICA使数据尽可能独立，PCA和ICA均是非监督算法[2]。

由于主成分分析法通常是将图像转换为一维向量，从而忽略了图像的结构信息。……