一种模块化2DPCA和CSLDA相结合的人脸验证算法

摘要

在CSLDA方法的基础上进行改进,和模块化2DPCA相结合,提出了一种模块化2DPCA+CSLDA的人脸验证方法,CSLDA将图像矩阵转化为向量进行处理,数据维数很大,计算复杂,对图像整体处理没有考虑到图像的局部特征.针对这些缺点,新方法从原始数据出发,对二维数据进行分块后采用2DPCA进行特征抽取,能有效抽取图像的局部特征,得到替代原始图像的低维的新模式,然后对新模式施行CSLDA,即基于客户相关子空间的线性判别分析方法,不仅考虑到类内、类闻的差异,弥补了PCA的缺陷;而且客户相关(CS)子空间可以较好地描述不同个体人脸之间的差异性,比传统的个体特征脸具有更好的判别能力,在XM2VTS人脸库上按照Lausanne协议和ORL库上对原CSLDA和新方法进行评价和测试的结果表明,新方法在验证效果上优于CSLDA方法.