基于相关性判别分析的人脸图像分类算法

摘要

针对目前的判别分类方法不能有效分析数据之间相关性的问题,提出新的判别分类算法,并将其应用于人脸图像识别.首先,将传统的相关性分析模型拓展成有监督的形式,分别设计提取类内和类间相关性特征的目标函数,寻找投影变换以最大化类内相关性特征并且最小化类间相关性特征;进一步,对样本数据进行判别分析,使得投影之后同类样本之间散度最小化并且异类样本之间散度最大化;最后构建约束形式的相关性判别模型进行优化求解,并使用最近邻分类进行分类.实验结果表明,在AR人脸数据集上与对比算法相比能够将分类识别率提高1.01％～ 5.58％,在FERET人脸数据集上与对比算法相比能够将分类识别率提高1.87％ ～ 5.69％,实验结果与理论分析数据相符合,本算法能够有效地提高分类精度.