[发明专利]基于二维主成分分析法的人脸图像降维分类方法

权利要求书

1.一种基于二维主成分分析法的人脸图像降维分类方法，其特征在于，包括：

（1）取分辨率为h×w的人脸图像训练样本的灰度图像；

（2）将所述人脸图像训练样本中人脸的左、右半脸图像矩阵分别进行列转换，分别形成人脸左、右半脸图像的列向量，将所述人脸左、右的两个列向量按顺序合并成一个两列的矩阵，即得到变换后的人脸图像矩阵；

（3）利用二维主成分分析法计算所述变换后的人脸图像矩阵的总体协方差矩阵；

（4）计算所述总体协方差矩阵的最优投影矩阵；

（5）将所述变换后的人脸图像矩阵和人脸图像测试样本在所述最优投影矩阵上投影，进行空间降维；

（6）根据最近邻原则对测试样本进行分类。

2.根据权利要求1所述基于二维主成分分析法的人脸图像降维分类方法，其特征在于所述步骤（3）的具体方法是：

根据二维主成分分析法，对所述变换后的人脸图像矩阵，按式计算所述训练样本的总体协方差矩阵G_t，A_j为随机样本矩阵第j个样本，为图像的均值矩阵，M表示训练样本数。

3.根据权利要求1或2所述基于二维主成分分析法的人脸图像降维分类方法，其特征在于，所述步骤（4）中计算最优投影矩阵的具体方法是：

所述人脸图像矩阵的最优投影矩阵为总体协方差矩阵G_t的最大d个特征值所对应的特征向量，即满足式J(X)为G_t的迹，X={X₁，…，X_d}为最优投影矩阵，X_i和X_j分别为矩阵G_t的特征值d_i和d_j的特征向量。

4.根据权利要求1所述基于二维主成分分析法的人脸图像降维分类方法，其特征在于,所述步骤（5）中进行空间降维的具体方法是：

计算所述人脸图像训练样本的的类内离散度矩阵；

根据式Y_k＝A^TX_k,k＝1,2,…,d.对每类训练样本进行降维，其中X为所述最优投影矩阵，Y_k为降维后的样本。